No mundo acelerado do desenvolvimento de produtos, os engenheiros buscam constantemente inovação, eficiência e precisão. No entanto, um gargalo persistente continua a atrasar a jornada do projeto (CAD) à simulação de alta fidelidade (CAE): a preparação da geometria. É uma pergunta familiar para muitos engenheiros de CAD e simulação: por que precisamos de um pré-processador de geometria de simulação dedicado quando já existem sistemas CAD poderosos? A resposta reside nas exigências específicas da simulação. Os algoritmos de malha, base para simulações precisas, requerem uma geometria que não seja apenas visualmente correta, mas também limpa, robusta e estanque. Faces estreitas, detalhes desnecessários e pequenas lacunas podem comprometer a qualidade da malha e, em última análise, afetar a precisão da simulação. Igualmente importante é a capacidade de parametrizar a geometria importada, permitindo uma exploração, iteração e otimização rápidas do projeto. As qualidades de um verdadeiro pré-processador de geometria Um pré-processador de geometria para simulação é muito mais do que um visualizador CAD ou uma ferramenta de reparo. Ele serve como a ponte essencial entre o projeto e a simulação, transformando dados de engenharia em modelos prontos para simulação, preservando a intenção do projeto. Para alcançar esse objetivo, ele deve se destacar em cinco áreas principais: 1. Conectividade perfeita entre CAD e PLM Um pré-processador de geometria deve importar dados de uma ampla gama de sistemas CAD e PLM, preservando hierarquias de montagem, instâncias de peças, metadados e informações de projeto. Para produtos complexos como automóveis, aeronaves, navios ou sistemas ferroviários, manter essa continuidade digital é essencial para fluxos de trabalho de simulação eficientes. 2. Preparação geométrica focada na simulação A simulação exige uma geometria limpa, robusta e estanque. Um pré-processador de geometria dedicado deve remover automaticamente características desnecessárias, como logotipos, furos, faces estreitas e pequenas entidades, além de corrigir problemas de topologia e fechar lacunas para criar modelos prontos para simulação e gerar malhas confiáveis. 3. Criação, modificação e exploração de design geométrico Os engenheiros precisam ser capazes de avaliar rapidamente alternativas de projeto sem precisar retornar repetidamente ao ambiente CAD original. Um pré-processador de geometria abrangente deve fornecer um conjunto completo de ferramentas de modelagem, incluindo extrusão, revolução, loft, varredura, modelagem síncrona e modelagem de forma livre. Combinadas com recursos de parametrização, essas ferramentas permitem a criação, modificação, otimização e estudos de hipóteses de geometria de forma eficiente, diretamente no workflow de simulação. 4. Gestão de mudanças por meio de reimportação perfeita Alterações de projeto são inevitáveis ​​ao longo do ciclo de desenvolvimento do produto. Um pré-processador de geometria eficiente deve suportar a reimportação perfeita de dados CAD atualizados, preservando automaticamente as operações de geometria, parâmetros e trabalho de preparação de simulação existentes. Essa capacidade elimina o esforço repetitivo de pré-processamento e reduz significativamente o tempo de resposta entre as revisões de projeto e a simulação. 5. Capacidades avançadas de engenharia e automação Além da preparação da geometria, um poderoso pré-processador fornece ferramentas especializadas para fluxos de trabalho de CFD e FEA, suporta modelagem B-Rep e convergente, permite consultas geométricas inteligentes e oferece recursos de script para automação do workflow. Esses recursos permitem que os engenheiros lidem com eficiência com aplicações que vão desde eletrônicos e baterias até turbinas, motores, aeronaves e navios. O pré-processador de geometria do Simcenter STAR-CCM+: a ponte definitiva Dentre as soluções disponíveis atualmente, o pré-processador de geometria Simcenter STAR-CCM+ se destaca por combinar essas funcionalidades em um único ambiente focado em simulação, atuando como uma ponte perfeita entre sistemas CAD e fluxos de trabalho CAE. A integração perfeita entre CAD e CAE: um caso de sucesso da Siemens A discussão em torno do pipeline otimizado dentro do Ecossistema de Software para Indústrias Digitais da Siemens destaca uma solução inovadora para a integração perfeita de CAD para CAE, acelerando a engenharia digital e aprimorando a eficiência do ciclo de vida do produto. O principal gargalo nos negócios geralmente surge do atrito enfrentado pelas equipes de engenharia ao extrair modelos complexos de sistemas PLM seguros para ambientes de simulação. Exportações manuais levam à perda de informações críticas sobre a procedência dos dados, à degradação das restrições estruturais e à eliminação da inteligência paramétrica de engenharia, prolongando significativamente os ciclos de verificação e aumentando os custos. A solução integrada à empresa envolve um workflow de dados automatizado e gerenciado, partindo do Designcenter NX e sendo controlado dinamicamente pelo Teamcenter através de esquemas PLMXML e do Designcenter NX Adaptor. Isso garante que os ativos estruturados sejam passados ​​diretamente para o pré-processador de geometria e para o Simcenter STAR-CCM+ , criando uma arquitetura totalmente rastreável que preserva a estrutura do projeto, as montagens, os metadados e a geometria exclusiva. Principais diferenciais operacionais: Fluxos de dados PLM seguros e rastreáveis: minimizando as exportações de geometria bruta e mantendo a integridade dos dados. Hierarquia de montagem totalmente associativa Ferramentas automatizadas de limpeza de geometria: Incluindo ferramentas de remoção de detalhes, remoção de logotipos/furos irregulares e remoção de pequenas entidades. Ferramentas paramétricas especializadas: Abrangendo os campos de formas livres e turbomáquinas, baterias e motores de combustão interna, com recursos para extrair volumes de fluidos internos/externos e rastrear contatos. Montagem de motor de combustão interna demonstrando posicionamento baseado em restrições de montagem. Modelo de pacote eletrônico preparado para simulação usando restrições de instanciação e montagem. Workflow de extração de fluido da passagem da pá da turbina Extração de volume de fluido em geometrias finas de resfriamento a água para GPUs Principais pilares técnicos do pré-processador de geometria O pré-processador de geometria transforma perfeitamente estruturas gerenciadas por PLM em domínios computacionais prontos para simulação, com base em vários pilares técnicos fundamentais: Suporte completo para montagem: Extrai e exibe a estrutura hierárquica completa diretamente do Teamcenter por meio de metadados PLMXML, preservando nomes personalizados, strings de peças e atributos de rastreamento. Permite que os usuários apliquem restrições de montagem. Ferramentas avançadas de reparo: Analisa, identifica e resolve anomalias de projeto estrutural não-manifold, construindo volumes de contorno computacionais estanques necessários para a geração de malhas. Isso inclui: Recurso: Remoção automática de chanfros, rebaixos e arredondamentos secundários. Remoção de logotipo: Remoção rápida de textos e carimbos da marca corporativa. Remoção de furos irregulares: Reparo de recortes estruturais complexos e não interligados. Volume da ponte: Eliminação das folgas entre as peças. Repair-Cad: Converte geometrias inválidas em geometrias prontas para simulação. Especializações avançadas de pré-processamento: Utilização de ambientes de teste funcionais personalizados para acelerar configurações geométricas e físicas específicas, tais como: Ferramentas de modelagem de forma livre: Integração de um mecanismo de modelagem direto e altamente adaptativo na tela de pré-processamento da simulação, permitindo que os analistas façam ajustes localizados sem recorrer aos fluxos de trabalho CAD padrão. Isso inclui deformação direta de superfícies, ciclos de otimização aerodinâmica e modelagem interativa. Ferramentas específicas para turbinas: para perfis de pás, passagens, cubo e corte da cobertura. Facet/Mesh to B-REP: Converte o modelo convergente em geometria B-rep editável. Ferramentas de busca e mecanismo de consulta Diversos mecanismos de consulta para identificar entidades topológicas Utilização de consultas em funcionalidades individuais Navegador de contatos: Oferece uma maneira rápida de verificar contatos presenciais antes de se conectarem. Estudo de caso: Modelagem paramétrica e modificação geométrica usando ferramentas de forma livre A ferramenta Freeform no pré-processador de geometria oferece uma maneira poderosa de modificar e parametrizar a geometria importada. Ao controlar as condições de contorno das arestas, os engenheiros podem criar e avaliar rapidamente múltiplas variações de projeto sem precisar retornar ao modelo CAD original. Estudo de caso: Preparando um modelo de motor complexo para simulação CFD Este workflow demonstra como uma montagem complexa de motor pode ser transformada de dados CAD de produção em um domínio computacional pronto para simulação. Usando ferramentas avançadas de reparo, simplificação, limpeza de topologia e extração de volume de fluido, os engenheiros podem eliminar rapidamente problemas geométricos, gerar regiões fluidas estanques e acelerar a transição dos dados de projeto para a análise CFD sem precisar retornar ao modelo CAD original. O exemplo destaca como um pré-processador de geometria dedicado acelera a configuração da simulação, preservando a intenção do projeto. Impacto comercial mensurável O pipeline de integração otimizado proporciona benefícios significativos para os negócios: Redução do tempo de preparação da geometria: A remoção automática de detalhes, a limpeza de marcas/preenchimentos de recursos e a limpeza de furos irregulares podem reduzir o tempo de pré-processamento de dias para meras horas. Taxa de iteração de projeto aprimorada: as variantes paramétricas transitam rapidamente do Designcenter NX/Teamcenter, por meio do Designcenter NX Adaptor, diretamente para os loops de simulação ativos, sem a necessidade de redefinir parâmetros. 100% de proveniência e integridade da estrutura dos dados: O fluxo de pipeline automatizado do Teamcenter gerenciado por PLMXML + Designcenter NX Adaptor substitui as exportações tradicionais de arquivos neutros que causam perda de histórico e hierarquia. Modelos leves e carregamento rápido de arquivos: A instanciação inteligente de objetos, aliada à transferência de metadados, resolve os desafios da duplicação não gerenciada de componentes em grandes montagens. Em uma era onde a engenharia orientada por simulação é essencial para a inovação de produtos, o pré-processador de geometria tornou-se um facilitador estratégico, e não apenas uma ferramenta de pré-processamento. Ao preencher a lacuna entre CAD e CAE, o pré-processador de geometria do Simcenter STAR-CCM+ ajuda o engenheiros a gastar menos tempo preparando a geometria e mais tempo gerando insights que impulsionam melhores produtos. Se a sua empresa busca reduzir o tempo de preparação da geometria e acelerar a transição do CAD para a simulação, agende uma reunião com a CAEXPERTS para conhecer como o pré-processador de geometria do Simcenter STAR-CCM+ pode otimizar esse fluxo. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho da ferramenta e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Projetar antenas de alto desempenho exige mais do que prever com precisão o comportamento eletromagnético. Os engenheiros também precisam explorar alternativas de projeto de forma eficiente e compreender as compensações entre diferentes objetivos de desempenho. Ao combinar os recursos de simulação eletromagnética do Simcenter Feko com os recursos de exploração automatizada de projetos do Simcenter HEEDS, os engenheiros podem passar de forma eficiente da simulação para projetos de antenas otimizados. Da simulação de antenas à otimização de projetos O desempenho de uma antena depende de inúmeros parâmetros interdependentes, como dimensões geométricas, propriedades do substrato, posição da alimentação e tamanho do plano de terra. O Simcenter Feko permite que os engenheiros modelem esses efeitos e avaliem o desempenho da antena em diferentes variantes de projeto usando simulação eletromagnética numérica. À medida que o número de variáveis ​​de projeto e objetivos de desempenho aumenta, explorar manualmente essas variantes torna-se cada vez mais desafiador. A integração do Simcenter Feko com o Simcenter HEEDS introduz recursos de otimização automatizada, incluindo otimização mono e multiobjetivo, análise de robustez e otimização de confiabilidade, criação de modelos substitutos e automação de fluxo de trabalho. Neste blog, demonstramos essa abordagem por meio da otimização da forma de uma lente dielétrica posicionada sobre uma antena corneta. A simulação utiliza um solver híbrido de método dos momentos (MoM) e método dos elementos finitos (FEM) no Simcenter Feko a 3,05 GHz. A região FEM representa o guia de ondas, incluindo um circulador anisotrópico, enquanto o MoM é usado para a corneta metálica. A lente dielétrica é modelada utilizando o princípio da equivalência de superfície (SEP). O objetivo é otimizar a forma da lente para maximizar o ganho da antena, tornando o padrão de ganho o mais simétrico rotacionalmente possível. Figura 1. Modelo Simcenter Feko da antena de corneta e da lente dielétrica com as respectivas regiões computacionais Parametrização do modelo de antena para otimização do projeto Para permitir uma exploração eficiente do projeto, a geometria da lente é parametrizada usando a ferramenta NURBS no módulo CADFEKO do Simcenter Feko. Um octante da lente é representado por uma superfície de Bézier biquadrática racional definida por nove pontos de controle e nove pesos. A lente completa é então construída cortando a superfície ao longo do plano z=0 e espelhando-a em relação aos planos de simetria x=0, y=0 e z=0. Os pontos de controle das superfícies de Bézier têm um significado geométrico, o que facilita o controle da continuidade G0 e G1 ao longo das conexões entre os patches. A parametrização da lente resultante forma um espaço de projeto de 11 dimensões. Vídeo 1. Modelagem parametrizada da lente dielétrica no Simcenter Feko CADFEKO Quatro funções objetivo são definidas para avaliar o desempenho da antena ao longo da otimização. O objetivo 1 representa o ganho da antena na direção do eixo principal, enquanto os objetivos 2 e 3 descrevem os níveis de lóbulos laterais (SLL) nos planos E e H. O objetivo 4 representa o ganho mínimo ao longo da isocurva θ=15°. Maximizar o objetivo 4 ajuda a produzir um padrão de ganho quase simétrico rotacionalmente. Com o modelo parametrizado e as funções objetivo definidas, a simulação eletromagnética é realizada no Simcenter Feko para calcular as respostas da antena e gerar os gráficos relevantes no módulo POSTFEKO. Conectando o Simcenter Feko ao Simcenter HEEDS Com o modelo Feko parametrizado e a configuração de simulação definidos, o próximo passo é conectar o fluxo de trabalho ao Simcenter HEEDS. O portal Feko no HEEDS é configurado apontando-o para os diretórios de instalação do Simcenter Feko. O fluxo de trabalho de simulação eletromagnética pode então ser definido em três etapas principais: abrir o modelo parametrizado no CADFEKO, executar o solver Feko para calcular as respostas e visualizar os resultados no POSTFEKO. Os dados resultantes são enviados para o Simcenter HEEDS, que determina o próximo conjunto de variáveis ​​de projeto de acordo com a abordagem de análise selecionada e repete automaticamente o fluxo de trabalho de simulação eletromagnética no Simcenter Feko. As visualizações 3D e 2D do POSTFEKO também estão disponíveis no HEEDS, permitindo que os engenheiros monitorem o projeto e seu desempenho correspondente ao longo da otimização. Vídeo 2. Conectando o fluxo de trabalho de simulação do Simcenter Feko com o Simcenter HEEDS Explorando e otimizando projetos de antenas com o SHERPA Uma vez que o fluxo de trabalho de simulação do Simcenter Feko esteja conectado ao Simcenter HEEDS, o espaço de projeto pode ser explorado e otimizado sistematicamente. O Simcenter HEEDS oferece diversas abordagens para exploração e otimização de projetos, sendo o SHERPA sua principal estratégia de otimização. SHERPA significa Exploração Híbrida Simultânea, Robusta, Progressiva e Adaptativa. Em vez de depender de um único método de otimização, o SHERPA emprega simultaneamente múltiplas estratégias de busca e aloca o esforço computacional de forma adaptativa aos métodos com melhor desempenho à medida que o estudo avança. Isso reduz a necessidade de os engenheiros selecionarem um algoritmo de otimização específico antecipadamente, tornando o SHERPA particularmente adequado para otimização de projetos de alta fidelidade, orientada por simulação, onde cada avaliação é crucial. Neste exemplo, um estudo de otimização multiobjetivo é definido no Simcenter HEEDS para explorar mais de 150 projetos de antenas. Em vez de produzir um único projeto ótimo, o estudo identifica um conjunto de soluções Pareto-ótimas que representam diferentes compromissos entre as metas de desempenho definidas. Vídeo 3. Explorando o espaço de projeto de antenas com o SHERPA no Simcenter HEEDS Avaliação de projetos de antenas Pareto-ótimos Após a conclusão da otimização SHERPA, as soluções Pareto-ótimas podem ser analisadas usando os recursos de pós-processamento do Simcenter HEEDS. A ferramenta Trade-offs, acessível pela guia Discover, fornece uma representação visual dessas soluções, auxiliando os engenheiros a comparar as compensações de desempenho e selecionar um projeto de antena adequado. Neste exemplo, o projeto 148 oferece um bom equilíbrio entre os objetivos de otimização, melhorando o ganho da antena em 22% e o indicador-chave de desempenho (KPI) de circularidade em 59%. Vídeo 4. Avaliando projetos de antenas Pareto-ótimos no Simcenter HEEDS Conclusão A combinação do Simcenter Feko com o Simcenter HEEDS permite que os engenheiros explorem sistematicamente um espaço de projeto de antenas mais amplo, mantendo a simulação eletromagnética de alta fidelidade como elemento central do processo. A automatização da simulação e avaliação repetidas de variantes de projeto pode ajudar a reduzir o tempo de projeto e a identificar soluções promissoras, além de permitir a tomada de decisões ponderadas entre objetivos de desempenho concorrentes. Embora este exemplo se concentre no projeto de antenas, a mesma abordagem pode ser estendida a outras aplicações eletromagnéticas, incluindo a otimização do comportamento EMC e da seção transversal de radar (RCS). Quer otimizar o desenvolvimento de antenas e explorar de forma mais eficiente diferentes alternativas de projeto? Agende uma reunião com a CAEXPERTS e conheça como o Simcenter Feko e o Simcenter HEEDS podem apoiar seus projetos com simulação eletromagnética e otimização automatizada. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho das ferramentas e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

A ascensão dos robôs caminhantes Há poucos anos, os cães robôs pareciam demonstrações futuristas. Hoje, estão se tornando ativos industriais valiosos. Operadoras de energia os utilizam para inspecionar subestações e instalações offshore. Empresas de mineração os avaliam para operações em ambientes perigosos. Robôs caminhantes estão se tornando tecnologia essencial para vigilância e operações autônomas. Ao mesmo tempo, outros tipos de robôs caminhantes, como os inspirados em insetos, estão abrindo possibilidades totalmente novas. Graças à sua excepcional estabilidade e capacidade de navegar em ambientes confinados ou irregulares, os robôs hexápodes estão surgindo como soluções promissoras para aplicações de inspeção e exploração. Por trás de cada robô bem-sucedido, existe uma combinação complexa de projeto mecânico, sistemas de atuação, controles, software, sensores, gerenciamento de energia e IA. À medida que a concorrência se intensifica e os ciclos de desenvolvimento se encurtam, as empresas de robótica não podem mais depender exclusivamente da prototipagem física. Simulação de sistemas de gêmeos digitais com multifísica e controles para obter robôs mecatrônicos É aqui que o Simcenter Amesim oferece uma vantagem decisiva. Através da simulação de sistemas multidomínio, as equipes de engenharia podem avaliar, otimizar e validar arquiteturas de robôs antes de construir o hardware. Por que a simulação de sistemas é fundamental Os clientes que adquirem plataformas robóticas esperam mais do que uma máquina que consegue andar. Eles esperam um robô que possa operar de forma confiável, segura e eficiente em ambientes reais. Para alcançar esse objetivo, os desenvolvedores devem responder a perguntas cruciais logo no início: O robô conseguirá manter a estabilidade em terrenos irregulares? Qual a capacidade de carga que ele pode transportar? Quanto tempo dura a bateria? Qual tecnologia de atuador é a ideal? Como o sistema de controle responderá às perturbações? Será que os algoritmos de autonomia conseguem lidar com obstáculos inesperados? A simulação de sistemas permite que os engenheiros respondam a essas perguntas virtualmente. As simulações são executadas em poucos segundos de tempo de CPU, não em horas. Os usuários podem acessar todas as variáveis ​​dos resultados calculados, como forças, torques, velocidades, acelerações, temperaturas, correntes, tensões, pressões ou qualquer tipo de resultado que desejem prever, graças aos gêmeos digitais. Não se trata apenas de animações com deslocamentos impostos, mas de grandezas físicas reais calculadas diretamente a partir de equações dinâmicas para todos os tipos de física: mecânica, elétrica, hidráulica, pneumática, térmica, controles, … As soluções Simcenter Systems oferecem computação real, resolvendo equações dinâmicas em poucos segundos de tempo de CPU; não se trata apenas de animação Com o Simcenter Amesim, as equipes podem combinar dinâmica mecânica, sistemas hidráulicos, sistemas de propulsão elétrica, controles e gerenciamento de energia em um único modelo digital. Os problemas podem ser identificados antes que iterações de hardware dispendiosas sejam necessárias. O resultado é uma inovação mais rápida, menor risco de desenvolvimento e plataformas robóticas de maior desempenho. De quadrúpedes hidráulicos a robôs formiga elétricos Vamos ver como o Simcenter Amesim está acelerando o desenvolvimento de robôs bípedes com simulação de sistemas. Na verdade, trata-se apenas de aprender com os robôs mais bem-sucedidos da natureza. A natureza já resolveu muitos desafios de mobilidade. A robótica moderna está cada vez mais adotando essas soluções. Os dois gêmeos digitais do Simcenter Amesim que serão apresentados a seguir mostram arquiteturas de robôs complementares: um robô articulado de quatro pernas acionado por atuadores hidráulicos e servoválvulas, e um robô de seis pernas inspirado em formigas, acionado por motores elétricos. Juntos, eles ilustram como a simulação de sistemas pode apoiar o desenvolvimento de sistemas de mobilidade avançados antes mesmo da construção de protótipos físicos. Arquiteturas complementares com robô de 4 pernas com atuadores hidráulicos e robô de 6 pernas com motores elétricos Vamos começar pelos cães-robôs e plataformas quadrúpedes. Este gêmeo digital quadrúpede do Simcenter Amesim demonstra como robôs de quatro pernas alcançam um equilíbrio entre velocidade, agilidade, mobilidade e estabilidade. Suas pernas articuladas, sistema de atuação hidráulica e estratégias avançadas de controle de marcha permitem: Subir escadas Travessia de obstáculos Navegação em terreno acidentado Transporte estável de carga Robô quadrúpede com atuadores hidráulicos – Gêmeo digital e desempenho O modelo demonstra tanto o trote quanto a marcha, destacando a importância da coordenação entre os pares de pernas e a estabilidade corporal. Para clientes industriais, essa capacidade se traduz em robôs capazes de alcançar locais inacessíveis a sistemas com rodas. Vamos agora ao segundo exemplo de formigas mecânicas e robôs hexápodes. Este gêmeo digital da formiga mecânica de seis pernas demonstra uma filosofia diferente. Utilizando uma marcha em tripé, três pernas permanecem sempre em contato com o solo enquanto as outras três avançam. Robô de 6 pernas com motores elétricos – Três pernas permanecem sempre em contato com o solo Essa abordagem proporciona alta estabilidade estática, excelente adaptação ao terreno, risco reduzido de capotamento e movimentação confiável em espaços confinados. Robô de 6 pernas com motores elétricos – Gêmeo digital e desempenho Portanto, existem muitas aplicações possíveis, como inspeção em instalações industriais, oleodutos, túneis, infraestrutura subterrânea e ambientes de exploração remota. Impressionante, não é? Sistemas de gimbal para observação avançada Vamos agora aprofundar um pouco mais a análise, adicionando alguns sistemas auxiliares mais presentes em robôs caminhantes. De fato, os robôs quadrúpedes modernos estão se tornando cada vez mais plataformas móveis de sensoriamento, em vez de simplesmente máquinas que caminham. Uma tendência emergente é a integração de sistemas de gimbal multieixos estabilizados montados na parte superior do robô. Essas cargas úteis inteligentes podem transportar conjuntos de sensores ópticos, térmicos, LiDAR ou multissensores, mantendo uma linha de visão estável mesmo quando o robô se desloca em terrenos irregulares. Robô quadrúpede com um sistema de gimbal acoplado à cabeça, caminhando em uma trajetória predefinida para observar continuamente um objeto em movimento Este é, na verdade, um desafio de seis graus de liberdade (6 DoF). Teoricamente, pode-se imaginar que não seja tão fácil de resolver, mas, na realidade, é bastante simples obter resultados impressionantes no ambiente Simcenter Amesim. De fato, todos os subsistemas e toda a física podem ser combinados com poucos cliques, enquanto o solver inteligente computa todas as equações instantaneamente, desde dinâmicas lentas até transientes muito rápidos ou fenômenos de alta frequência. Essa abordagem bem-sucedida pode ser conduzida incluindo toda a física detalhada, desde atritos mecânicos, histerese, folgas, vazamentos, etc. O robô quadrúpede experimenta constantemente movimentos corporais causados ​​pela locomoção, irregularidades do terreno, aceleração e manobras de giro. Ao mesmo tempo, o conjunto de sensores embarcado precisa rastrear e observar continuamente um ponto de interesse em movimento dentro de um ambiente dinâmico. O desafio aqui é garantir que o conjunto de sensores permaneça apontado com precisão enquanto o próprio robô estiver em movimento. O desenvolvimento de um sistema integrado como esse exige a compreensão da interação entre mobilidade, sensoriamento e controle. A simulação ajuda a identificar se as limitações de desempenho têm origem na plataforma do robô, na mecânica do gimbal, na estratégia de controle ou na arquitetura dos sensores. Validação virtual do desempenho de rastreamento Um gêmeo digital permite que os engenheiros avaliem milhares de cenários de rastreamento antes do início dos testes de hardware. Os cenários possíveis incluem: Observação de objetos em movimento a velocidades variáveis Mudanças rápidas de direção ou altitude Operações em terreno acidentado Vibrações induzidas por marchas de trote ou caminhada Perda temporária da linha de visão Centenas de cenários virtuais são investigados com validação virtual Ao combinar a dinâmica de robôs, a mecânica de gimbals e os algoritmos de controle em um único ambiente de simulação, as equipes podem avaliar a eficácia geral da missão, em vez de otimizar componentes individuais isoladamente. A vantagem estratégica da robótica orientada por simulação À medida que as empresas industriais expandem o uso de sistemas autônomos, as expectativas em relação à confiabilidade, autonomia e eficiência continuam a aumentar. Organizações que desenvolvem robôs-cães, hexápodes e futuras gerações de robôs autônomos de inspeção precisam de ferramentas de engenharia capazes de gerenciar essa crescente complexidade. Ao validar o desempenho virtualmente antes da implementação do hardware, as empresas de robótica podem reduzir o risco de desenvolvimento, acelerar os ciclos de inovação e lançar plataformas robóticas mais capazes no mercado mais rapidamente. Pode-se, por exemplo, considerar o desenvolvimento de controles avançados para robôs bípedes, cujo desafio é garantir o equilíbrio adequado enquanto os efeitos da atuação e a dinâmica corporal impactam seu movimento, dependendo da velocidade (lenta ou rápida). Trata-se de encontrar a lógica de controle correta para garantir seu equilíbrio em todos os momentos. E, de forma contra-intuitiva, descobre-se que as velocidades mais altas eram mais fáceis de controlar em comparação com os movimentos lentos, já que o momento de equilíbrio é reduzido. Robô bípede: um robô bípede correndo Com o Simcenter Amesim, as equipes de engenharia podem avaliar a locomoção, a atuação, os sistemas de energia, os controles, a autonomia e os fluxos de trabalho de IA do veículo em um único ambiente de simulação. É possível até mesmo conectar joysticks para pilotá-lo remotamente, graças aos recursos de simulação dinâmica em tempo real do painel de controle com entradas de controlador no Simcenter Amesim. Chegando até ao ponto de projetar renas robôs Vamos além e tornar a brincadeira ainda mais divertida. Que tal puxar o trenó do Papai Noel com renas robôs? É mais rápido e mais barato do que usar renas de verdade. Para melhorar a produtividade e o planejamento das entregas (fundamental para entregar milhares de presentes no prazo), o Papai Noel transformou seus alces e renas em versões robotizadas. Agora é muito mais eficiente: basta programar o trajeto e as renas robôs conduzem o trenó sozinhas até a localização GPS selecionada para entregar os presentes nos endereços certos. Papai Noel celebra o Natal com renas robôs no Simcenter Amesim, graças à sua biblioteca 3D Mechanical para simulação de múltiplos corpos A Boston Dynamics celebra o Natal colocando renas robóticas para puxar o trenó do Papai Noel Principais conclusões – Experimente inúmeros benefícios usando a simulação de sistemas Chegou a hora de concluir e resumir os benefícios de usar a simulação de sistemas no projeto de robôs caminhantes. O Simcenter Amesim permite que engenheiros avaliem sistemas robóticos completos por meio de simulação de sistemas multidomínio, ajudando as equipes a otimizar locomoção, atuação, sistemas de energia, software de controle e autonomia habilitada por IA antes da construção de protótipos físicos. Desde cães-robôs que inspecionam instalações industriais até robôs inspirados em insetos que exploram espaços confinados (biomimética), os robôs caminhantes estão transformando a forma como as indústrias operam. No entanto, alcançar o equilíbrio certo entre mobilidade, autonomia, eficiência energética, inteligência e confiabilidade exige uma abordagem de engenharia abrangente. Ao adotar metodologias de engenharia baseada em modelos e gêmeos digitais, as organizações podem acelerar a inovação, reduzir o risco de desenvolvimento e lançar plataformas robóticas mais capazes no mercado com maior rapidez. O futuro da robótica quadrúpede e multilegs será construído não apenas em laboratórios de hardware, mas primeiramente no mundo virtual, por meio de simulação de sistemas avançados. Para aproveitar o potencial da simulação de sistemas no desenvolvimento de robôs caminhantes e acelerar a validação de locomoção, atuação, controles e gerenciamento de energia, agende uma conversa com a CAEXPERTS. Nossa equipe pode apoiar a implementação e aplicação do Simcenter Amesim, conduzindo os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento e ajudar sua empresa a extrair o máximo desempenho da ferramenta, obtendo resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Neste estudo avaliamos o comportamento do resfriamento de um tanque com base nas disposições de entradas e saídas para o chiller. Pudemos observar tempo e homogeneidade de resfriamento, perfil de temperatura e efeitos de uma bomba de recirculação no equipamento. Em um estudo recente para a GreyLogix, a CAEXPERTS simulou modificações em um tanque de solução hidroalcoólica resfriada por chiller externo para investigar o aparente baixo desempenho do equipamento. Através da simulação, conseguimos identificar a origem do problema, propor e avaliar diversas alternativas de solução e seus respectivos desempenho. O problema: hipóteses e diagnóstico O sistema é um tanque vertical de 3.500 L com fundo cônico que armazena a solução; uma bomba retira líquido por um bocal lateral, envia ao chiller e devolve mais frio pelo fundo. A meta de processo é manter a solução próxima à -5ºC. A hipótese inicial da equipe foi de que, como as entradas e saídas do chiller estavam próximas entre si, poderia haver recirculação de fluido, de forma que apenas uma pequena porção do fluido participava efetivamente da troca térmica. Um estudo preliminar caracterizou o que acontecia na prática e descartou essa hipótese. O fluido frio, mais denso, afundava e se acumulava no fundo, enquanto uma camada quente estagnada permanecia no topo, ocasionando um fenômeno chamado de warm lid. Disso, decorrem duas consequências operacionais: O resfriamento ficava lento e desigual. O sensor de saída enganava o operador. Ele lia frio, porque estava exatamente onde o frio se acumulava, enquanto boa parte do volume continuava quente. Um instrumento que mede corretamente a variável errada é pior que um instrumento descalibrado, pois leva decisões erradas para o restante do processo. Nos vídeos acima, observamos uma simulação do chiller em seu estado original. É possível observar que não há recirculação, mas uma estratificação do fluido hidroalcóolico. Aqui já há o primeiro ganho com simulação. Algo que podemos visualizar facilmente no vídeo, precisaria de uma intervenção intrusiva no equipamento para ser medida em campo. Com base nisso, foram levantadas possibilidades de melhoria para evitar a estratificação. Uma alternativa consiste em elevar a sucção do chiller de 0,85 m para 1,35 m. Outra possibilidade seria acrescentar uma bomba de recirculação para ajudar a homogeneizar a mistura. Antes de simular: construir a régua Antes de simular as alterações, montou-se um benchmark analítico. Com as paredes tratadas como adiabáticas (inox 304 com 100 mm de isolamento, o que mantém o ganho térmico pelo ambiente abaixo de 2% da capacidade do chiller) e com o retorno fixo em −5 °C, o balanço de energia mostra que a velocidade do resfriamento depende de uma única variável: a temperatura do líquido que chega à sucção do chiller. Num tanque perfeitamente misturado essa temperatura é a média do volume, e o resfriamento seria uma exponencial pura, com 99% concluído em cerca de 4.900 segundos. Esse é o benchmark do reator de mistura perfeita (CSTR), e é contra ele que os três casos foram medidos. Dois números confirmam a consistência do modelo: a carga térmica inicial prevista pelo balanço é de 113,5 kW, contra 115 kW medidos no CFD (1,4% de diferença); e a energia total a remover é de 119,5 MJ, idêntica nos três casos, porque todos partem de +5 °C, terminam em −5 °C e têm paredes adiabáticas. O que muda entre eles não é quanto calor sai é a frequência com o qual esse calor é removido do tanque. Configuração do Modelo Simulação transiente no Simcenter STAR-CCM+, passo de tempo de 1 s, monofásica, com empuxo governado pela dependência da densidade com a temperatura através de formulação termodinâmica de misturas (a solução hidroalcoólica é uma mistura de 30% de água e 70% de etanol em massa). Turbulência k-ε Realizable, paredes adiabáticas, condição inicial de +5 °C uniforme, chiller devolvendo a −5 °C com 12 m³/h. Três configurações foram simuladas: Caso Configuração Regime que emergiu Baseline sucção a 0,85 m (posição original) estratificação Sim 1 sucção a 1,35 m deslocamento Sim 2 sucção a 1,35 m + recirculação mistura Baseline Com a sucção a 0,85 m, o chiller re-aspira parte do líquido frio que ele mesmo acabou de injetar no fundo. O líquido percorre um caminho curto entre o retorno e a captação, e a camada quente do topo fica fora do alcance, ela só esfria por acúmulo, conforme a frente fria sobe lentamente. Em termos da equação: a temperatura de sucção fica abaixo da média do tanque, então a carga térmica do chiller despenca. Nessa configuração, a mistura chega à 99% de resfriamento em cerca de 7.500 s, aproximadamente 2 horas, 52% mais lento que a mistura perfeita. Este é o diagnóstico do problema original. Sim 1: elevação da sucção Elevando a sucção para 1,35 m, o frio denso entra pelo fundo e enche o tanque de baixo para cima. A sucção, agora mais alta, toca a camada quente do topo e a entrega ao chiller. Campo de velocidade e linhas de corrente, sem recirculação. O retorno frio entra pelo fundo e o escoamento sobe pela parede até a sucção, no alto — o caminho longo, que faz o chiller enxergar o líquido mais quente do tanque. Durante os primeiros 700 s, a temperatura lida na saída dos sensores se mantém em +5 °C enquanto a média do tanque já está caindo. A sucção está puxando líquido que ainda não foi resfriado. A estratificação cresce até um pico de deltaT de 9,6 °C entre topo e fundo. Quando a frente fria alcança a cota de 1,35 m, a temperatura de saída despenca, exatamente no pico do gradiente e a estratificação colapsa. Campo de temperatura, sem recirculação. A frente fria sobe do fundo como um pistão, consumindo a camada quente de baixo para cima. Repare que a interface se mantém nítida durante boa parte do transiente. Resultado: 3.040 s para resfriamento de 99%, cerca de 51 minutos, 38% mais rápido que a mistura perfeita. Nesse caso, a estratificação auxilia no funcionamento do chiller, pois, agora, como ele está puxando um líquido ainda não resfriado, ele consegue manter um diferencial de temperatura bem maior e operar com maior eficiência. Sim 2: adição de uma bomba de recirculação Acrescentando o circuito de recirculação, captação pelo dreno central no ápice do cone, retorno pela tampa, a estratificação desaparece. O gradiente entre topo e fundo vai essencialmente a zero. Do ponto de vista de uniformidade, é o melhor resultado possível, mantendo o tanque inteiro na mesma temperatura, em qualquer instante. Campo de temperatura, com recirculação. Compare com o vídeo anterior: não há frente nítida. O tanque resfria como um bloco, uniformemente — e mais devagar. Campo de velocidade, com recirculação. O segundo circuito injeta quantidade de movimento suficiente para quebrar a estratificação antes que ela se estabeleça. Resultado: 6.140 s para 99% de resfriamento, 1 h 42 min, 25% mais lento que a mistura perfeita, e o dobro do tempo do Sim 1. Por que a recirculação atrasa A taxa de resfriamento depende da diferença entre a temperatura de sucção e a de retorno. Estratificado (Sim 1): a sucção alta puxa o líquido mais quente do tanque, carga térmica máxima. Homogeneizado (Sim 2): a sucção passa a ver a média, carga térmica igual ao da mistura perfeita. A recirculação não remove calor, ela apenas redistribui. Ao destruir a estratificação, joga fora a vantagem do deslocamento e empurra o sistema de volta para o limite de mistura perfeita. Há ainda um detalhe que colocou o Sim 2 abaixo do teto da mistura perfeita, em vez de exatamente nele. O retorno da recirculação entra pela tampa e desce; a sucção do chiller está a 1,35 m, do mesmo lado do tanque e próxima em cota. Parte do fluido já resfriado volta à sucção antes de varrer o fundo, o que puxa a temperatura de sucção ligeiramente abaixo da média, e a carga térmica junto. A constante de tempo efetiva medida no CFD foi de 1.315 s, contra os 1.055 s do caso ideal. Resultados Sim 1 — só elevar a sucção Sim 2 — + recirculação Estratificação (ΔT topo–fundo) 9,6 °C, transitório ≈ 0 °C 99% resfriado 3.040 s (~51 min) 6.140 s (~1 h 42) Regime de escoamento deslocamento mistura A recomendação foi, portanto: Prioridade em tempo de batelada: elevar a sucção, sem recirculação. Resfria 2,5 vezes mais rápido que a configuração original. Prioridade em uniformidade térmica: acrescentar a recirculação, ao custo de dobrar o tempo. Em qualquer cenário, elevar a sucção de 0,85 m para 1,35 m é ganho garantido, resolve o problema que motivou o estudo. A recirculação é um nível adicional de uniformidade, e só se paga se o processo exigir ausência de gradiente. Conclusões Com o CFD quantificamos um trade-off que não estava disponível por intuição, por correlação de projeto nem por medição no equipamento existente. Com os números na mesa, a decisão deixa de ser técnica e passa a ser de processo, que é exatamente onde ela deve estar. Se sua empresa busca utilizar a simulação CFD para diagnosticar problemas, avaliar diferentes configurações e tomar decisões de projeto com mais segurança, agende uma reunião com a CAEXPERTS. Nossa equipe conta com engenheiros treinados e qualificados para suporte, implementação e aplicação das soluções Siemens, conduzindo os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudar a extrair o máximo desempenho da ferramenta e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

A simulação eletromagnética desempenha um papel crucial no desenvolvimento de máquinas elétricas, eletrônica de potência e outros dispositivos eletromagnéticos de baixa frequência. À medida que os modelos eletromagnéticos se tornam maiores e mais complexos, e os ciclos de desenvolvimento continuam a encurtar, espera-se que os engenheiros equilibrem a precisão da simulação, a eficiência do fluxo de trabalho e a produtividade da engenharia, ao mesmo tempo que dão suporte a um processo de simulação cada vez mais conectado. O Simcenter Flux 2026.1 (antigo Altair Flux) introduz novas funcionalidades que ajudam os engenheiros a acelerar as simulações eletromagnéticas, simplificar a criação de modelos e expandir os fluxos de trabalho eletromagnéticos em atividades de otimização, multifísica e engenharia de sistemas. Acelere simulações eletromagnéticas À medida que os modelos eletromagnéticos continuam a crescer em tamanho e complexidade, os engenheiros buscam constantemente maneiras de reduzir o esforço de simulação, mantendo a precisão. O Simcenter Flux 2026.1 introduz diversas melhorias que aceleram as simulações eletromagnéticas de baixa frequência por meio de inovações numéricas, além de proporcionar maior flexibilidade durante a preparação e modificação do modelo. Uma das principais novidades desta versão é a extensão do Método Integral para simulações magnéticas transientes. Ao eliminar a necessidade de gerar malhas em grandes regiões de ar circundantes, os engenheiros podem reduzir significativamente a complexidade do modelo e o esforço de simulação, mantendo uma representação precisa dos efeitos de correntes parasitas e capacitivos. Figura 1. Comparação das abordagens de elementos finitos e do método integral para simulações magnéticas transientes. Figura 2. Exemplo de malhas não conformes para análises de extração de condutores e parasitas usando o Método Integral. O fluxo de trabalho do Método Integral também foi aprimorado com o suporte a malhas não conformes em análises de extração de condutores e parasitas. Agora, os componentes individuais podem ser discretizados independentemente, simplificando a preparação da geometria e proporcionando maior flexibilidade durante as modificações do modelo. O Simcenter Flux 2026.1 também introduz o acesso a bancos de dados selecionados de materiais magnéticos provenientes do Simcenter MAGNET. Ao incorporar conhecimento valioso sobre materiais ao Simcenter Flux, essa melhoria promove maior consistência em simulações eletromagnéticas de baixa frequência e simplifica a reutilização de dados de materiais validados em todo o portfólio eletromagnético do Simcenter. Aprimore a produtividade da modelagem e a experiência do usuário O Simcenter Flux 2026.1 introduz mais de 30 melhorias nos fluxos de trabalho de modelagem eletromagnética de baixa frequência. Aproveitando o Simcenter Simlab , uma plataforma de simulação multifísica, essas melhorias simplificam a preparação da geometria, a definição da máquina e a configuração do modelo, ajudando os engenheiros a criar modelos eletromagnéticos com mais eficiência. Figura 3. Melhorias de produtividade selecionadas em fluxos de trabalho de modelagem eletromagnética de baixa frequência. Uma das principais melhorias desta versão é o suporte expandido para o desenvolvimento de máquinas de fluxo axial. Os engenheiros podem criar e avaliar rapidamente modelos parametrizados de máquinas de fluxo axial, realizando análises eletromagnéticas, de NVH (ruído, vibração e aspereza), térmicas e de sistema em um ambiente de simulação unificado. Vídeo 1. Modelagem rápida e avaliação multifísica de máquinas de fluxo axial Outra grande novidade é um novo fluxo de trabalho baseado em componentes para a montagem de máquinas radiais. Os engenheiros podem construir rapidamente modelos de máquinas usando componentes predefinidos e personalizáveis, reduzindo a preparação repetitiva da geometria e promovendo a reutilização de blocos de construção de máquinas validados em diferentes projetos. Vídeo 2. Modelagem rápida de máquinas elétricas radiais usando componentes predefinidos e personalizáveis. Para máquinas de ímãs permanentes, a preparação do modelo é ainda mais simplificada por meio da propagação automatizada da orientação dos ímãs. Os engenheiros podem definir uma orientação de referência e aplicá-la automaticamente aos ímãs restantes, reduzindo tarefas repetitivas de configuração e minimizando o risco de erros de modelagem. Vídeo 3. Propagação automatizada de orientações de ímãs em modelos de máquinas de ímãs permanentes Em conjunto, essas melhorias ajudam os engenheiros a criar modelos eletromagnéticos de baixa frequência com mais eficiência, ao mesmo tempo que aprimoram o suporte para fluxos de trabalho avançados de desenvolvimento de máquinas elétricas. Amplie modelos eletromagnéticos em fluxos de trabalho de engenharia A simulação eletromagnética está se tornando cada vez mais parte de um processo de engenharia mais amplo. Além da análise de campo, os modelos eletromagnéticos são frequentemente reutilizados para exploração de projetos, otimização e estudos em nível de sistema. O Simcenter Flux 2026.1 fortalece ainda mais a conectividade em todo o portfólio Simcenter, permitindo que modelos eletromagnéticos e dados de simulação suportem uma gama mais ampla de fluxos de trabalho de engenharia. Agora, os engenheiros podem aproveitar a geometria paramétrica do NX diretamente nos fluxos de trabalho de simulação eletromagnética, permitindo atualizações associativas de geometria, preservando a intenção do projeto e acelerando os ciclos de iteração entre os ambientes CAD e de simulação. Vídeo 4. Reutilização da geometria paramétrica do NX em fluxos de trabalho de simulação eletromagnética. A conectividade com o Simcenter HEEDS permite estudos automatizados de exploração e otimização de projetos, possibilitando que os engenheiros investiguem espaços de projeto maiores e identifiquem projetos de alto desempenho com mais eficiência. Vídeo 5. Exportação de modelos eletromagnéticos para o Simcenter HEEDS para exploração e otimização do projeto. Fluxos de trabalho aprimorados com modelos de motores reduzidos ampliam ainda mais o valor das simulações eletromagnéticas. O suporte agora abrange arquiteturas de máquinas adicionais, incluindo máquinas de fluxo axial, de campo enrolado e multifásicas, enquanto os recursos de exportação permitem a integração eficiente com o PSIM ou o Simcenter Amesim para investigações em nível de sistema. Vídeo 6. Suporte expandido para modelos de motores reduzidos em arquiteturas avançadas de máquinas elétricas. Ao ampliar o uso de modelos eletromagnéticos em todo o portfólio do Simcenter, os engenheiros podem reutilizar dados de simulação de forma mais eficaz em fluxos de trabalho de otimização, multifísica e engenharia de sistemas. Explorando novas abordagens para simulação eletromagnética de baixa frequência Além das melhorias no desempenho da simulação, na modelagem e nos fluxos de trabalho de engenharia, o Simcenter Flux 2026.1 também destaca abordagens emergentes que combinam simulação, otimização e tecnologias de IA para aplicações eletromagnéticas de baixa frequência. Um exemplo é a combinação do Simcenter Flux, PSIM e Simcenter PhysicsAI para criar fluxos de trabalho multifísicos baseados em modelos substitutos. Ao gerar dados de simulação e treinar modelos substitutos, os engenheiros podem avaliar rapidamente as respostas térmicas e de NVH (ruído, vibração e aspereza), reduzindo significativamente o custo computacional associado a estudos de exploração e otimização de projetos. Figura 4. Fluxo de trabalho combinado do Simcenter Flux, PSIM e Simcenter PhysicsAI para geração de modelos substitutos. Vídeo 7. Exemplo de otimização topológica de máquina elétrica combinando requisitos eletromagnéticos e estruturais. Outra área em exploração é a otimização topológica magneto-mecânica. Ao combinar simulações eletromagnéticas e estruturais em um processo de otimização unificado, os engenheiros podem considerar simultaneamente o desempenho eletromagnético e a viabilidade mecânica em alta velocidade, possibilitando a exploração de projetos inovadores que seriam difíceis de identificar usando abordagens tradicionais. Olhando para o futuro Desde inovações numéricas e modelagem avançada de máquinas até otimização, simulação de sistemas e tecnologias emergentes assistidas por IA, o Simcenter Flux 2026.1 continua a expandir o papel da simulação eletromagnética de baixa frequência em todo o processo de desenvolvimento de produtos. Ao aprimorar o desempenho da simulação, a produtividade da modelagem e a conectividade de engenharia, o Simcenter Flux ajuda os engenheiros a avançarem com mais eficiência da exploração de conceitos à tomada de decisões de engenharia. Se você quer aproveitar todo o potencial do Simcenter Flux 2026.1 e acelerar seus projetos de simulação eletromagnética, agende uma conversa com a CAEXPERTS. Nossa equipe conta com engenheiros treinados e qualificados para suporte, implementação e aplicação das soluções Altair, ajudando sua empresa a otimizar máquinas elétricas, integrar análises multifísicas e conectar a simulação a fluxos de otimização e engenharia de sistemas. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho das ferramentas e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

A simulação eletromagnética é essencial para o desenvolvimento de sistemas modernos de comunicação, radar, satélite e sensoriamento. À medida que os projetos se tornam mais conectados e complexos, os engenheiros precisam simular modelos maiores, avaliar ambientes realistas e tomar decisões de projeto mais rapidamente. Após a integração do Feko (antigo Altair Feko) ao portfólio do Simcenter, o Simcenter fortaleceu seus recursos de simulação eletromagnética de alta frequência. Com base em décadas de experiência, o Simcenter Feko 2026.1 apresenta melhorias em simulação eletromagnética, engenharia de antenas, análise de sistemas sem fio e fluxos de trabalho de engenharia conectados. Simule sistemas eletromagnéticos maiores e mais complexos com o Simcenter Feko À medida que os sistemas eletromagnéticos continuam a aumentar em tamanho e complexidade, os engenheiros precisam analisar conjuntos de antenas maiores, modelos de plataforma mais detalhados e ambientes operacionais cada vez mais realistas. Manter a escalabilidade da simulação, controlando simultaneamente o custo computacional, continua sendo um desafio fundamental. Tecnologia avançada de solução iterativa (AIS) para simulações MLFMM Um dos principais destaques do Simcenter Feko 2026.1 é a introdução da tecnologia de solver iterativo avançado (AIS) para simulações do método multipolo rápido multinível (MLFMM). Projetado para análises eletromagnéticas em larga escala, o AIS melhora significativamente a eficiência de memória e a robustez da convergência. Em exemplos de referência, os requisitos de memória podem ser reduzidos em até 87%, permitindo a resolução de modelos substancialmente maiores utilizando os recursos computacionais existentes. Ao reduzir o consumo de memória e, ao mesmo tempo, manter a precisão da solução, o AIS ajuda os engenheiros a enfrentar desafios de simulação eletromagnética cada vez mais exigentes, sem a necessidade de recursos de hardware adicionais. Embora o foco do AIS seja a melhoria da eficiência da memória, e não a velocidade bruta do solver, ele possibilita simulações que seriam inviáveis ​​devido às limitações de memória. Isso permite que conjuntos de antenas maiores, modelos de plataforma mais detalhados e ambientes eletromagnéticos mais realistas sejam analisados ​​com maior confiança. Vídeo 1. Demonstração da tecnologia AIS para simulações MLFMM em larga escala Modelagem eficiente de estruturas dielétricas multicamadas As melhorias de escalabilidade continuam com aprimoramentos na modelagem de camadas finas para estruturas dielétricas multicamadas. Ao representar camadas dielétricas finas em superfícies modeladas com o princípio da equivalência de superfície (SEP), os engenheiros podem reduzir drasticamente a complexidade da malha, mantendo a precisão da simulação. O resultado é uma menor necessidade de memória, simulações mais rápidas e análises mais eficientes de estruturas dielétricas complexas, incluindo revestimentos multicamadas, radomes e aplicações aeroespaciais. Figura 1. Exemplo de modelagem de camada fina aplicada a uma esfera dielétrica revestida com múltiplas camadas. Desempenho aprimorado do RL-GO para simulações eletricamente extensas Figura 2. Exemplo demonstrando a melhoria na eficiência da simulação RL-GO para aplicações de sensores em cabine. Para aplicações de grande porte e alta frequência, o Simcenter Feko 2026.1 introduz melhorias no solver de óptica geométrica com lançamento de raios (RL-GO). Uma abordagem de lançamento de raios mais uniforme aprimora a eficiência da simulação e reduz as dependências da localização da fonte, permitindo uma análise mais rápida e consistente de ambientes eletromagnéticos complexos, incluindo sensores automotivos, radares de cabine, cobertura sem fio e aplicações em grandes plataformas. Acelere os fluxos de trabalho de sistemas de antenas e comunicações Além da tecnologia de resolução, o Simcenter Feko 2026.1 introduz diversas melhorias projetadas para aumentar a produtividade da modelagem e otimizar os fluxos de trabalho de engenharia. A biblioteca de componentes CADFEKO foi expandida com nove novos modelos de antenas totalmente parametrizados, ampliando ainda mais a gama de blocos de construção de antenas prontos para uso disponíveis para engenheiros. Incluindo antenas de lente e de patch conformais, esses componentes configuráveis ​​ajudam a acelerar a criação de modelos e a explorar rapidamente projetos em uma ampla variedade de aplicações de antenas. Vídeo 2: Criação de antena de patch conformal usando a biblioteca de componentes CADFEKO Uma nova ferramenta de Cobertura Óptica permite a avaliação rápida da linha de visão e do campo de visão diretamente na geometria CAD, sem a necessidade de geração de malha ou execução de um solver. Os engenheiros podem avaliar rapidamente a visibilidade da antena, comparar opções de posicionamento e identificar possíveis limitações de cobertura, ajudando a acelerar os estudos de posicionamento de antenas e os fluxos de trabalho de projeto de sistemas de comunicação. Vídeo 3: Análise de cobertura óptica diretamente na geometria CAD Análise avançada de sistemas sem fio e modelagem de canais de rádio Com a evolução contínua das redes sem fio, dos sistemas de comunicação via satélite e dos ambientes conectados, os engenheiros necessitam de ferramentas mais eficientes para o planejamento de canais de rádio e redes, bem como para a avaliação de sistemas de radar. Vídeo 4: Exemplo de modelagem unificada de constelação de satélites em múltiplos tempos para aplicações NTN O Simcenter Feko Winprop 2026.1 continua a expandir os recursos de análise de sistemas sem fio, oferecendo suporte à modelagem avançada de propagação, planejamento de redes e aplicações emergentes de redes não terrestres (NTN). Um aprimoramento fundamental desta versão é a introdução da modelagem unificada de constelações de satélites em múltiplos tempos, que simplifica significativamente a configuração de cenários dinâmicos de comunicação via satélite por meio de cálculos automáticos de posição dos satélites ao longo do tempo. Para aplicações de planejamento de redes, o Simcenter Feko WinProp 2026.1 introduz melhorias significativas de desempenho para análises baseadas em trajetórias. O processamento otimizado de grandes conjuntos de dados de trajetórias permite que os engenheiros avaliem cenários de alta densidade de mobilidade sem simplificar as descrições das trajetórias. Em exemplos com mais de 16.000 amostras de trajetórias, o tempo de execução foi reduzido de cerca de uma hora para menos de vinte segundos, possibilitando uma avaliação significativamente mais rápida da atribuição de células e estudos de modo de transmissão. Vídeo 5: Exemplo de análise acelerada baseada em trajetórias para planejamento de redes Aprimoramentos adicionais reforçam ainda mais o suporte para sistemas modernos de comunicação sem fio. Novos recursos de modelagem MIMO permitem uma representação mais realista de unidades de rádio e configurações de antenas em diferentes bandas de operação e polarizações, enquanto o suporte para arranjos lineares uniformes verticais (ULA) melhora a modelagem de sistemas avançados de formação de feixe e antenas multi-elementos usados ​​em aplicações de infraestrutura celular e sem fio. Esta versão também introduz diversas melhorias de usabilidade nas ferramentas WRAP, incluindo um melhor manuseio de dados de constelações de satélites, suporte mais amplo para formatos de mapas externos e visualização aprimorada em telas de alta resolução. Conecte simulação e otimização À medida que os projetos eletromagnéticos se tornam cada vez mais complexos, os engenheiros frequentemente precisam avaliar grandes espaços de projeto e equilibrar múltiplos objetivos de desempenho. Iterações de projeto manuais podem rapidamente se tornar demoradas e difíceis de gerenciar. O Simcenter Feko 2026.1 fortalece a conectividade com o Simcenter HEEDS, permitindo fluxos de trabalho automatizados de exploração e otimização de projetos diretamente a partir de modelos de simulação eletromagnética. Os engenheiros podem avaliar automaticamente alternativas de projeto, identificar soluções de alto desempenho e obter uma compreensão mais profunda das compensações de projeto, ajudando a acelerar o desenvolvimento de produtos orientado por simulação. Vídeo 6: Otimização do projeto eletromagnético usando Simcenter Feko e Simcenter HEEDS O Simcenter Feko 2026.1 introduz uma série de melhorias projetadas para ajudar os engenheiros a simular sistemas eletromagnéticos maiores, acelerar os fluxos de trabalho de engenharia de antenas e sem fio e conectar a simulação a processos de projeto mais amplos. Olhando para o futuro Com base em décadas de experiência em simulação eletromagnética de alta frequência, o Simcenter Feko continua a apoiar o desenvolvimento de tecnologias de comunicação, radar, satélite e sensoriamento de última geração. Ao combinar os recursos de simulação do Simcenter Feko com as tecnologias de otimização do Simcenter HEEDS, as equipes de engenharia podem acelerar a tomada de decisões e lançar produtos com melhor desempenho no mercado de forma mais eficiente. Se você quer aproveitar todo o potencial do Simcenter Feko 2026.1 e acelerar seus projetos de simulação eletromagnética, agende uma conversa com a CAEXPERTS. Nossa equipe conta com engenheiros treinados e qualificados para suporte, implementação e aplicação das soluções Altair, ajudando sua empresa a simular sistemas mais complexos, otimizar projetos e obter resultados com maior eficiência. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho das ferramentas e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Se você já trabalhou com resultados de CFD ou FEA, sabe que os dados de simulação não são como a maioria dos dados. Eles não se organizam em linhas e colunas. Eles existem em malhas – estruturas tridimensionais complexas e irregulares, onde cada nó tem vizinhos, cada face carrega fluxo e cada elemento é moldado pela geometria ao seu redor. Durante anos, a estratégia dominante para aplicar aprendizado de máquina (machine learning) à simulação em engenharia compartilhou um objetivo comum: acelerar ou substituir solvers numéricos dispendiosos, aprendendo o mapeamento entre as entradas e as saídas da simulação. Para isso, os profissionais transformavam informações geométricas complexas em vetores, grades ou nuvens de pontos, e esperavam que uma rede neural descobrisse o resto. Às vezes funcionava – mas principalmente em geometrias simples e regulares, onde o achatamento não destruía muita informação estrutural, ou onde o domínio era pequeno o suficiente para que uma aproximação por força bruta fosse suficiente. Em fluxos de trabalho de engenharia reais, com malhas tetraédricas, grades CFD não estruturadas e condições de contorno complexas, não funcionava bem o suficiente para ser confiável. Essa abordagem não era apenas um compromisso computacional – era uma incompatibilidade fundamental entre a estrutura dos dados e a arquitetura do modelo. A razão é simples: as redes neurais padrão são indiferentes à geometria. Uma rede totalmente conectada trata cada entrada como uma característica independente, sem levar em conta as relações espaciais. Nenhuma dessas arquiteturas foi projetada considerando uma malha tetraédrica ou uma grade CFD não estruturada. As Redes Neurais Convolucionais (CNNs) melhoram esse aspecto para dados de imagem – mas apenas porque as imagens têm uma estrutura muito específica: uma grade regular e uniforme onde a noção de "vizinhança" é, em sua maioria, consistente. Essa premissa deixa de ser válida em uma malha de engenharia. É precisamente essa lacuna que o Aprendizado Profundo Geométrico (Geometric Deep Learning - GDL) foi criada para preencher. O que exatamente é Aprendizado Profundo Geométrico? Sejamos honestos: "Aprendizado Profundo Geométrico" soa como algo que um matemático inventou para sua tese de doutorado. Mas a ideia central é surpreendentemente elegante. O aprendizado profundo tradicional — o tipo que impulsiona o reconhecimento de imagens, modelos de linguagem e sistemas de recomendação — opera com dados regulares e estruturados. Imagens são grades de pixels. Áudio é uma sequência de amostras. Essas estruturas são euclidianas, uniformes e previsíveis. As CNNs prosperam nesse contexto porque a noção de "vizinhança" é consistente em toda a grade. A geometria aplicada à engenharia é um assunto completamente diferente. Uma malha de elementos finitos é um grafo irregular. Uma nuvem de pontos de uma digitalização 3D é um conjunto não ordenado. Uma superfície CAD é uma variedade. Nenhuma delas se encaixa perfeitamente em uma grade regular. Se você tentar achatá-las em uma só, como faziam as primeiras abordagens de IA para engenharia, você perde as próprias relações geométricas que dão sentido à física. É como amassar um mapa para que caiba em uma caixa quadrada e depois se perguntar por que as estradas não se conectam. O Aprendizado Profundo Geométrico estende o aprendizado profundo a esses domínios não euclidianos – grafos, malhas, nuvens de pontos e variedades – construindo redes neurais que respeitam a estrutura geométrica subjacente dos dados. A base teórica vem do conceito de simetria: uma rede neural geométrica bem projetada deve produzir previsões consistentes, independentemente de como você rotacione, translade ou renumere a entrada. Essa propriedade – conhecida como equivariância – não é apenas matematicamente elegante, mas também fisicamente essencial. O mecanismo subjacente: Arquiteturas de Aprendizado Profundo Geométrico para CAE A elegante ideia central do Aprendizado Profundo Geométrico, formalizada por Michael Bronstein, Joan Bruna, Yann LeCun, Arthur Szlam e Pierre Vandergheynst, e posteriormente expandida na agora famosa estrutura "Grids, Groups, Graphs, Geodesics, and Gauges" , é a seguinte: a arquitetura de rede neural adequada para qualquer domínio é aquela que respeita as simetrias desse domínio. Para malhas de engenharia, as simetrias relevantes são claras: Invariância por permutação: a física não muda se você renumerar os nós da sua malha. Equivariância rotacional e translacional: um campo de tensão em um suporte rotacionado em 45° deve girar de acordo, e não produzir uma resposta diferente. Estrutura geométrica local: o comportamento em um nó depende de seus vizinhos, das distâncias entre eles e de suas orientações relativas – e não de alguma coordenada global. As Redes Neurais Gráficas (GNNs) estiveram entre as primeiras arquiteturas a codificar naturalmente essas propriedades para simulação em engenharia. Uma GNN trata uma malha como um grafo – os nós representam vértices da malha ou centros de células, as arestas representam a conectividade e as características em cada nó são transmitidas ao longo das arestas, agregadas e atualizadas por meio de camadas sucessivas. Esse mecanismo de troca de mensagens espelha, de forma aprendida e diferenciável, a mesma troca de informações locais que os solvers numéricos realizam ao propagar condições de contorno ou iterar resíduos por um domínio. O resultado é um modelo que tem profundo conhecimento da geometria da malha – aprendendo, por exemplo, que a física próxima a uma borda de fuga afiada se comporta de maneira diferente de uma região de fluxo livre suave, sem nunca ser explicitamente informada disso. Com a maturidade da área, surgiram arquiteturas mais poderosas. Os modelos baseados em Transformers — originalmente desenvolvidos para processamento de linguagem natural e posteriormente adaptados para computação científica — provaram ser notavelmente eficazes para modelagem substituta em CAE (Engenharia Assistida por Computador). Em sua essência, os Transformers utilizam um mecanismo de atenção que permite que cada nó da malha pondere dinamicamente sua relação com todos os outros nós, aprendendo quais partes da geometria são mais importantes para prever a física em qualquer local específico. Essa capacidade de capturar dependências de longo alcance em toda a malha em uma única operação torna os Transformers particularmente adequados para campos de fluxo e geometrias complexas, onde o contexto global é tão importante quanto a estrutura local, posicionando-os como o estado da arte para modelagem substituta de alta precisão. Para casos de uso em que o objetivo muda da previsão de campo completo para quantidades escalares de interesse para a engenharia – como coeficiente de arrasto, tensão máxima ou queda de pressão total – os codificadores de forma oferecem uma alternativa altamente eficiente. Em vez de resolver todo o campo de solução, eles comprimem a geometria de um projeto em uma representação latente compacta e aprendida – uma impressão digital geométrica – e a mapeiam diretamente para a saída desejada, tornando-os excepcionalmente rápidos e adequados para a triagem de projetos em estágios iniciais e para a exploração de um amplo espaço de projeto. No Simcenter PhysicsAI, esses três paradigmas arquitetônicos — redes gráficas de troca de mensagens, Transformers baseados em atenção e regressores de codificação geométrica — são implementados por meio do Simulador Neural de Contexto Gráfico (GCNS), do Simulador Neural Transformer (TNS) e do Regressor de Codificação de Forma (SER), cada um adequado a diferentes necessidades de simulação e níveis de complexidade. Vale ressaltar que este continua sendo um campo em rápida evolução; novas arquiteturas são continuamente desenvolvidas, avaliadas e integradas em fluxos de trabalho de produção. O princípio fundamental, no entanto, permanece constante: a arquitetura correta é aquela que respeita a geometria, a simetria e a física do domínio do qual está aprendendo. O Simcenter PhysicsAI foi construído com esse princípio em sua essência e foi projetado para evoluir conforme o campo evolui. O impacto industrial: de dias para segundos Vamos ancorar isso na realidade da engenharia. Um engenheiro mecânico está otimizando um braço de controle para um veículo elétrico. O espaço de projeto envolve dezenas de parâmetros geométricos – espessura da parede, raios de concordância, configurações de nervuras. Cada variante de projeto requer uma análise completa de elementos finitos não linear. Mesmo em um cluster HPC potente, uma única execução leva de 2 a 4 horas. Explorar 500 variantes de projeto? Isso representa meses de tempo de computação e um custo significativo. Com um substituto GDL treinado em um conjunto representativo de simulações: Novas variantes de geometria são avaliadas em segundos, não em horas. As previsões de tensão e deslocamento em todo o campo estão disponíveis em toda a malha – não apenas em saídas escalares. Ciclos de otimização de design que antes levavam semanas agora são concluídos da noite para o dia. Os engenheiros dedicam tempo à análise e à tomada de decisões, não à espera de soluções. A mesma situação se repete em diversas disciplinas: a otimização de formas aerodinâmicas em CFD exige milhares de avaliações do solver, e o mesmo ocorre em gerenciamento térmico, eletromagnetismo e acústica. É aqui que o conceito de previsão de campo se torna crucial: em vez de retornar um único coeficiente de arrasto ou uma temperatura máxima, um modelo GDL retorna uma distribuição espacial completa de pressão, velocidade ou temperatura em cada nó de uma malha não estruturada. É um resultado com a mesma qualidade do solver, entregue em velocidade comparável à de um modelo substituto. A questão da generalização (porque sempre tem alguém que pergunta) O ceticismo mais comum em relação aos modelos substitutos de IA na engenharia reside na generalização: “Claro, funciona nas geometrias de treinamento. Mas e quanto a algo genuinamente novo?” É um desafio pertinente. As primeiras abordagens com modelos substitutos, particularmente aquelas baseadas em redes neurais com tamanho de entrada fixo ou regressão em parâmetros geométricos, apresentaram baixa generalização. Um modelo treinado em uma família de projetos frequentemente falhava miseravelmente mesmo em formas ligeiramente diferentes. As arquiteturas GDL lidam com isso de forma mais elegante, por uma razão estrutural. Como operam em grafos e malhas em vez de vetores de tamanho fixo, podem ser projetadas para reconhecer a geometria, codificando relações espaciais como distâncias, ângulos e normais de superfície diretamente no processo de troca de mensagens. Isso significa que os mesmos pesos do modelo podem ser aplicados a malhas com diferentes contagens de nós, padrões de conectividade e, em grande medida, diferentes topologias – desde que os casos de teste estejam dentro do regime físico, da faixa geométrica e do espaço de condições de contorno representados nos dados de treinamento. Essa generalização tem limites, é claro. Um modelo GDL treinado em aerodinâmica externa não entenderá espontaneamente a combustão interna. Mas, no domínio da física, a capacidade de aprendizado por transferência é significativamente maior do que antes e, com ajustes direcionados em um número modesto de novas simulações, esses modelos podem se adaptar a novas famílias de geometria a uma fração do custo de um novo treinamento do zero. Em aplicações industriais, onde a geração de dados de treinamento é sempre o gargalo, essa eficiência é decisiva. O GDL não substitui o solver de física. Ele aprende com ele, extrai seu conhecimento e o aplica a uma velocidade sem precedentes. Então, onde entra o Simcenter PhysicsAI nisso tudo? O que torna este momento verdadeiramente empolgante é que a GDL não está mais confinada a artigos acadêmicos e anais de conferências. Ela está chegando agora, em softwares de engenharia de nível de produção, pronta para ser usada por engenheiros de simulação, e não apenas por pesquisadores de IA. A transição de "pesquisa interessante" para "ferramenta que posso usar na segunda-feira de manhã" é o salto mais difícil no ciclo de vida de qualquer tecnologia. Ela exige não apenas inovação algorítmica, mas também integração profunda com os fluxos de trabalho CAE existentes, pipelines de treinamento robustos e o rigor de validação que a engenharia exige. Essa transição está acontecendo, e mais rápido do que a maioria das pessoas na indústria imagina. O Simcenter PhysicsAI foi desenvolvido especificamente para colocar todo o poder da GDL nas mãos dos engenheiros em exercício. Alguns pontos merecem destaque, pois refletem decisões genuínas de engenharia, e não apenas ações de marketing: Compatibilidade nativa com malhas: o Simcenter PhysicsAI opera diretamente nas malhas de FEA e CFD que seus solvers já utilizam – sem voxelização, sem aproximação geométrica, sem perda de fidelidade. Os recursos de simulação que você já criou se tornam seus dados de treinamento. Independente do solvers por design: independentemente de seu histórico de simulação vir do Simcenter Optistruct, Simcenter Radioss, Simcenter Star-CCM+, Simcenter Feko, Simcenter Flux, Simcenter Nastran ou outros solvers padrão do setor, o Simcenter PhysicsAI aprende com ele. Não há necessidade de padronizar uma única pilha de solvers ou reconstruir fluxos de trabalho existentes. Integração perfeita com o ecossistema CAE: o Simcenter PhysicsAI está integrado ao Simcenter Hypermesh, Simcenter Star-CCM+, Simcenter Simlab e Simcenter Inspire – os ambientes que seus engenheiros já utilizam e confiam. O treinamento, a validação e a implantação de modelos acontecem sem a necessidade de adquirir uma plataforma de aprendizado de máquina separada, criar um pipeline de exportação de dados ou alternar entre ferramentas. Saída de campo completo: A saída de um substituto do Simcenter PhysicsAI é um campo espacialmente distribuído – tensão, pressão, temperatura e velocidade em cada nó, não apenas escalares. O formato é o mesmo da saída de um solver, integrando-se naturalmente aos fluxos de trabalho de pós-processamento e fornecendo aos engenheiros a visão espacial necessária para tomar decisões de projeto concretas. Exploração de design em escala: Com avaliações em segundos, os modelos virtuais do Simcenter PhysicsAI se integram diretamente a estudos paramétricos, ciclos de otimização e fluxos de trabalho de gêmeos digitais, permitindo a exploração sistemática do espaço de projeto. Isso transforma o desenvolvimento de produtos, de um processo iterativo de refinamento para uma otimização genuína. O foco muda da computação para o julgamento de engenharia, que é exatamente onde deveria estar. Nada disso exige um conhecimento profundo de aprendizado de máquina para ser usado. A arquitetura GDL subjacente lida com a complexidade geométrica, permitindo que o engenheiro mantenha o controle das decisões que realmente importam. Molde o futuro com o Simcenter PhysicsAI As organizações que liderarão seus setores na próxima década não são necessariamente aquelas com os solvers mais poderosos ou os maiores parques de computação de alto desempenho (HPC). São aquelas que aprenderem a extrair o máximo de insights de seus investimentos em simulação – comprimindo os ciclos de projeto, expandindo o espaço de soluções que podem explorar de forma realista e alocando talentos de engenharia onde eles geram mais valor. Se você tem curiosidade em saber como o GDL se aplica ao seu domínio de simulação específico – estrutural, CFD, térmica, eletromagnética ou de manufatura – o melhor ponto de partida são seus próprios dados de simulação legados. O Simcenter PhysicsAI oferece a inteligência necessária – mais rapidamente, em maior escala e com uma profundidade de conhecimento que a simulação tradicional sozinha jamais conseguiria proporcionar. Se você quer aproveitar todo o potencial do Simcenter PhysicsAI e acelerar seus processos de desenvolvimento com inteligência artificial e Aprendizado Profundo Geométrico, agende uma conversa com a CAEXPERTS. Nossa equipe conta com engenheiros treinados e qualificados para suporte, implementação e aplicação das soluções Altair, ajudando sua empresa a transformar dados de simulação em previsões mais rápidas e confiáveis. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho das ferramentas e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Inteligência artificial generativa para design, cobertura de simulação mais ampla, ganhos de desempenho expressivos e integração mais profunda com o ecossistema Simcenter – a versão Simcenter PhysicsAI 2026.1 aprimora a simulação com inteligência artificial em todas as frentes. O Simcenter PhysicsAI 2026.1 (antigo Altair PhysicsAI) já está disponível, oferecendo recursos que permitem aos engenheiros explorar todo o valor de seus dados CAE com maior velocidade, precisão e inteligência. Construído sobre a base do aprendizado profundo geométrico (Geometric Deep Learning), o Simcenter PhysicsAI treina modelos substitutos de IA com base em seus dados históricos de simulação e fornece insights orientados por dados até 1000 vezes mais rápido do que as simulações de solvers tradicionais. Na versão 2026.1, essa base se fortalece em todas as dimensões: IA generativa para exploração de projetos em estágio inicial, suporte estendido a partículas SPH para cenários exigentes de impacto e grandes deformações, previsão mais precisa de pontos críticos de tensão e deformação, extração automatizada de frequência para fluxos de trabalho NVH, treinamento até 5 vezes mais rápido com redução de até 50% no uso máximo de memória e uma conexão nativa mais profunda com o ecossistema Simcenter. Simcenter PhysicsAI Generate: Dos requisitos de desempenho ao conceito de design em segundos Talvez o desenvolvimento mais empolgante da versão 2026.1 seja a introdução do Simcenter PhysicsAI Generate – um recurso que integra a IA generativa diretamente ao processo de projeto de engenharia. O desafio que ele aborda é reconhecido por praticamente todas as equipes de desenvolvimento de produtos: novos requisitos de projeto chegam com prazos apertados, e cada variante de projeto tradicionalmente exige uma simulação completa de física antes que qualquer conceito possa ser confirmado. Explorar simultaneamente um amplo espaço de projeto que abrange geometria, dimensões, parâmetros de materiais e metas de desempenho simplesmente não é viável no ritmo exigido pelos projetos modernos. O Simcenter PhysicsAI Generate muda a dinâmica de forma fundamental. Impulsionado por modelos generativos de IA baseados em difusão, ele treina com projetos históricos para aprender as correlações profundas entre geometria, parâmetros de projeto e KPIs de engenharia. Uma vez treinado, produz conceitos de design 3D inovadores e fisicamente consistentes diretamente a partir de requisitos de desempenho e dimensionais, em segundos. Fundamentalmente, ao contrário das ferramentas generativas tradicionais que aplicam restrições físicas como uma etapa de pós-processamento, o Simcenter PhysicsAI Generate produz conceitos que são inerentemente fisicamente consistentes desde o início. Semanas de exploração iterativa de projetos podem ser condensadas em um único fluxo de trabalho, com conceitos gerados que refletem de forma confiável as metas de desempenho prescritas desde a primeira execução. Melhorias no desempenho do treinamento – Até 5 vezes mais rápido, redução de 50% no pico de uso de memória O Simcenter PhysicsAI 2026.1 é significativamente mais rápido e eficiente no uso de RAM durante o treinamento. A utilização da memória foi fundamentalmente aprimorada, proporcionando velocidades de treinamento até 5 vezes mais rápidas e uma redução de até 50% no pico de uso de memória em comparação com a versão 2026.0. Em um dos benchmarks, o pico de memória caiu de 175 GiB para 75 GiB, enquanto o tempo total de treinamento foi reduzido aproximadamente pela metade – o que significa que as equipes podem treinar modelos maiores e mais complexos no mesmo hardware, mais rápido do que nunca. As equipes que utilizam o complemento Simcenter PhysicsAI no Simcenter STAR-CCM+ também se beneficiam do novo suporte a múltiplas GPUs, permitindo um treinamento de modelos ainda mais rápido ao distribuir a carga de trabalho entre várias GPUs. Para equipes empresariais que executam modelos de CFD ou de colisão em grande escala, isso se traduz diretamente em ciclos de iteração de projeto mais rápidos, custos de infraestrutura reduzidos e a capacidade de lidar com problemas que antes sobrecarregavam os recursos disponíveis. Condicionamento espacial: Ensinar ao gerador onde as coisas importam Com base no Simcenter PhysicsAI Generate, a versão 2026.1 também introduz o condicionamento espacial – a capacidade de condicionar modelos generativos em nuvens de pontos. Em vez de restringir o gerador apenas com parâmetros de projeto escalares, os engenheiros agora podem definir restrições espacialmente distribuídas como matrizes de pontos 3D: locais de pontos de fixação, zonas de aplicação de carga, posições de dispositivos de fixação de fabricação ou qualquer outro contexto de projeto espacialmente significativo. Essas nuvens de pontos são especificadas em arquivos JSON complementares durante o treinamento e, no momento da geração, os usuários selecionam conjuntos de nós para cada nuvem de pontos condicionada diretamente na caixa de diálogo de geração. O resultado é um modelo generativo com genuína consciência espacial – um modelo que produz conceitos respeitando restrições geométricas do mundo real, e não apenas metas de desempenho abstratas. Suporte a partículas SPH: fluxos de trabalho acelerados por IA para suas simulações mais exigentes Uma das expansões de capacidade mais significativas na versão 2026.1 é a adição do suporte a partículas de Hidrodinâmica de Partículas Suavizadas (SPH). As simulações SPH são o método de escolha para alguns dos cenários de física mais exigentes em engenharia – eventos de impacto com grandes deformações, análise de colisões com pássaros e interação fluido-estrutura, para citar alguns exemplos. Até agora, as partículas SPH e os elementos de massa pontual não eram reconhecidos pelo Simcenter PhysicsAI, o que limitava seu uso em simulações explícitas. Isso muda na versão 2026.1. As partículas SPH e os elementos de massa pontual agora são totalmente visíveis para o Simcenter PhysicsAI, permitindo que ele aprenda e preveja indicadores críticos de integridade estrutural — incluindo o número de camadas danificadas, tensão e deformação — diretamente a partir dos dados de simulação SPH. Para montadoras automotivas, fabricantes aeroespaciais e engenheiros de defesa cujas análises mais complexas se encontram no domínio SPH, este é um passo significativo em direção a fluxos de trabalho acelerados por IA para seus problemas mais difíceis. Previsão de frequências próprias para análise modal e fluxos de trabalho NVH (ruído, vibração e aspereza) A análise modal é fundamental para os fluxos de trabalho de NVH (ruído, vibração e aspereza) e dinâmica estrutural. Compreender como uma estrutura vibra, onde se encontram suas frequências de ressonância e como esses modos se alteram em diferentes variantes de projeto é essencial para o desenvolvimento de produtos silenciosos, duráveis ​​e com bom comportamento dinâmico. Em versões anteriores do Simcenter PhysicsAI, apenas os modos de vibração eram previstos, o que obrigava os engenheiros a contornar uma lacuna fundamental em seu pipeline de simulação assistida por IA. Na versão 2026.1, essa lacuna é eliminada. Os valores de frequência dos modos próprios agora são extraídos e previstos automaticamente para análise modal, com os Rótulos de Etapa do Modelo Próprio associados automaticamente a cada forma modal prevista, sem qualquer intervenção manual. O resultado é um fluxo de trabalho de análise de modos normais mais rápido e preciso – no qual os engenheiros dedicam menos tempo à configuração e mais tempo à aplicação das informações fornecidas pelos seus modelos. Integração nativa com as soluções de manufatura Simcenter Inspire O valor da simulação orientada por IA é maximizado quando ela é incorporada diretamente às ferramentas que os engenheiros usam diariamente, e não adicionada como uma solução posterior. Na versão 2026.1, o Simcenter PhysicsAI aprofunda sua integração com o ecossistema de soluções de manufatura do Simcenter Inspire, permitindo a troca contínua de dados e a manutenção do fluxo de trabalho entre a simulação de processos de fundição, moldagem, conformação e extrusão e a previsão baseada em IA. Para indústrias voltadas à manufatura – automotiva, aeroespacial e de equipamentos pesados ​​– essa conexão nativa representa um passo significativo rumo a fluxos de trabalho verdadeiramente integrados, nos quais a IA acelera cada etapa do ciclo de vida do produto, desde o projeto do processo até a previsão de desempenho em serviço. Modo de memória constante: escalando o treinamento de IA além dos limites da RAM Para equipes que trabalham com conjuntos de dados extremamente grandes, onde a RAM disponível é a principal limitação, a versão 2026.1 introduz o Modo de Memória Constante. Quando ativado, o Simcenter PhysicsAI armazena os dados do grafo em disco e os carrega na RAM somente quando necessário durante o treinamento, desacoplando efetivamente o tamanho do conjunto de dados da memória disponível do sistema. Para mitigar a sobrecarga de E/S inerente ao carregamento baseado em disco, uma variante de carregamento assíncrono também está disponível, utilizando múltiplos threads da CPU para pré-buscar dados em paralelo e recuperar grande parte da perda de velocidade. Para organizações com grandes bibliotecas de simulações históricas que, de outra forma, excederiam a RAM disponível, esse modo remove o que era uma barreira real para a escalabilidade de fluxos de trabalho baseados em IA. Curadoria de conjuntos de dados mais inteligente: melhores fluxos de dados Um ótimo modelo de IA começa com ótimos dados, e o tempo gasto na preparação desses dados é tempo que não pode ser gasto em engenharia. Na versão 2026.1, o fluxo de trabalho de criação e curadoria de conjuntos de dados foi significativamente simplificado. Os engenheiros agora podem selecionar resultados mais relevantes durante a criação do conjunto de dados para um processamento mais rápido, gerenciar várias amostras simultaneamente por meio de operações em lote de movimentação, cópia e exclusão, e se beneficiar da detecção de outliers com reconhecimento de resposta, que é atualizada dinamicamente com base na saída selecionada. Agora, as análises de outliers incluem recursos vetoriais e metadados personalizados, exibidos na árvore de resultados e nas visualizações de resumo, proporcionando aos engenheiros uma visão mais completa da qualidade dos dados em um relance. Em conjunto, essas melhorias tornam a preparação de dados significativamente mais eficiente e intuitiva, reduzindo a etapa mais demorada na criação de um modelo de IA substituto. Novo painel de boas-vindas: um ponto de partida mais inteligente e rápido Às vezes, a melhoria mais impactante é aquela que permite aos engenheiros obter valor mais rapidamente. O novo Painel de Boas-Vindas na versão 2026.1 oferece um ponto de entrada claro e intuitivo para o Simcenter PhysicsAI, facilitando a criação de novos projetos, a abertura de projetos existentes, a retomada de trabalhos recentes, o acesso a tutoriais e a navegação por exemplos integrados — tudo a partir de uma única tela bem organizada. Acessível diretamente da faixa de opções familiar do Simcenter PhysicsAI, o painel reduz a dificuldade inicial, principalmente para novos usuários ou equipes que estão utilizando o Simcenter PhysicsAI pela primeira vez. Previsão aprimorada de pontos críticos de tensão e deformação para análise estrutural Identificar com precisão os pontos críticos de tensão não é apenas um exercício acadêmico – é a diferença entre um projeto que atende aos requisitos de vida útil à fadiga e um que falha em campo. Na versão 2026.1, o Simcenter PhysicsAI prevê tensões, deformações e outros campos vinculados a elementos diretamente nos próprios elementos, eliminando completamente a interpolação. Uma nova opção de discretização "Preservar Vinculações de Saída" garante que a definição do elemento ou nó dos resultados do campo original seja mantida fielmente em todo o processo de previsão. O resultado são mapas de pontos críticos mais nítidos e confiáveis ​​— o tipo de precisão que dá aos engenheiros estruturais a confiança necessária para agir com base nas previsões da IA, em vez de simplesmente validá-las. Visualização de entrada personalizada: Transparência que gera confiança nas previsões da IA À medida que os modelos de IA se tornam mais integrados aos fluxos de trabalho de engenharia, a transparência se torna essencial. Os engenheiros precisam entender não apenas o que a IA prevê, mas também com quais informações ela está trabalhando. Na versão 2026.1, os usuários agora podem visualizar recursos de entrada personalizados diretamente no conjunto de dados e nas interfaces gráficas de teste — sejam essas entradas escalares globais, escalares nodais ou campos vetoriais. Isso proporciona aos engenheiros uma visão clara e visual dos dados que alimentam o modelo, facilitando a validação das entradas, a detecção precoce de problemas de qualidade dos dados e a construção da confiança nas previsões da IA, o que permite uma tomada de decisão segura. Nova pontuação de similaridade geométrica: Preveja com confiança, aja com certeza Como saber se uma previsão de IA é confiável? O Simcenter PhysicsAI apresenta uma pontuação de similaridade geométrica — um indicador baseado em geometria e discretização que avalia o quão semelhante um novo projeto é ao conjunto de dados de treinamento. Os engenheiros podem avaliar instantaneamente a inovação de um projeto e se uma execução completa do solucionador é justificada, permitindo uma exploração de projeto orientada por IA com confiança e reduzindo o risco de agir com base em resultados fora da distribuição. Na versão 2026.1, essa capacidade foi significativamente aprimorada. Anteriormente, as pontuações de similaridade variavam de −∞ a 1 – um intervalo matematicamente válido, mas intuitivamente difícil de interpretar. A nova pontuação de similaridade é estritamente limitada entre 0 e 1, calculada usando uma curva suave por partes, matematicamente rigorosa, em função da distância euclidiana entre as codificações de características da amostra de previsão e da amostra de treinamento mais próxima. Igualmente importante, a pontuação agora leva em consideração as características: cada característica de entrada contínua – espessura da casca, geometria da malha e outras – recebe sua própria pontuação de similaridade individual, além de uma pontuação agregada. Essa granularidade ajuda os engenheiros a identificar rapidamente quais aspectos de um novo projeto são bem representados pelos dados de treinamento e quais podem exigir cautela adicional ou simulação complementar – tornando as previsões da IA ​​não apenas rápidas, mas genuinamente confiáveis. Simcenter PhysicsAI 2026.1 – Uma solução que continua a elevar o padrão Em conjunto, as atualizações do Simcenter PhysicsAI 2026.1 contam uma história coerente: uma solução que amadurece rapidamente em todas as dimensões importantes para as organizações de engenharia. A cobertura de física é mais ampla, abrangendo modelos explícitos baseados em SPH e dinâmica modal. Os recursos de IA são mais poderosos, com design generativo e condicionamento espacial expandindo as fronteiras do que é possível. O desempenho computacional foi drasticamente aprimorado, tornando problemas maiores tratáveis ​​em hardware existente. E a integração com o ecossistema Simcenter mais amplo está se aprofundando, aproximando a previsão baseada em IA das ferramentas e fluxos de trabalho onde as decisões de engenharia são de fato tomadas. Seja você um engenheiro de NVH prevendo o comportamento modal em centenas de variantes de projeto, um analista de colisões trabalhando com modelos de impacto com grande quantidade de partículas sólidas ou uma equipe de projeto buscando aproveitar a IA generativa para a criação de conceitos em estágio inicial, o Simcenter PhysicsAI 2026.1 tem algo substancial a oferecer. O futuro da simulação em engenharia não se resume a solucionadores mais rápidos – trata-se de IA que aprende com seus dados, fala a linguagem da física e fornece respostas na velocidade do projeto. Esse futuro já chegou e continua a melhorar. Se você quer aproveitar todo o potencial do Simcenter PhysicsAI 2026.1 e acelerar seus processos de desenvolvimento com inteligência artificial, agende uma conversa com a CAEXPERTS. Nossa equipe conta com engenheiros treinados e qualificados para suporte, implementação e aplicação das soluções Altair, ajudando sua empresa a integrar a simulação orientada por IA aos seus fluxos de engenharia. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho das ferramentas e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Ao mencionar óleo, a maioria das pessoas pensa em atrito; afinal, para que algo se mova livremente, adiciona-se óleo às superfícies. Quando pensamos em óleo em carros, a maioria pensa em motores, engrenagens e seu funcionamento suave. Mas o óleo tem um benefício duplo: devido à sua alta condutividade térmica e alta capacidade térmica específica, ele se torna um refrigerante muito eficaz. Seja nos jatos de refrigeração que impedem o derretimento dos pistões, no óleo da caixa de câmbio que dissipa o calor residual das engrenagens ou no óleo pulverizado em motores elétricos. Simular essas aplicações de óleo com CFD é um desafio, e embora o Simcenter STAR-CCM+ já permitisse lidar com elas por meio do Hybrid Multiphase há algum tempo, isso pode ser um processo computacionalmente bastante custoso, especialmente nas fases iniciais do projeto. Com a versão 2606, o Simcenter STAR-CCM+ adiciona um grande salto em capacidade ao solver Smoothed Particle Hydrodynamics (SPH), permitindo iterações mais rápidas sem perda de fidelidade. Como uma aplicação fundamental, neste blog, focaremos no papel vital que o óleo desempenha em motores elétricos. Entendendo a geração de calor em motores elétricos Os motores elétricos convertem energia elétrica em energia mecânica com incrível eficiência (94% ou mais), mas ainda assim há perdas. Um motor de veículo elétrico de 200 kW perde aproximadamente 12 kW, principalmente na forma de calor. O que acontece exatamente se não gerenciarmos esse calor adequadamente? Altas temperaturas são particularmente prejudiciais aos enrolamentos. A resistência do cobre aumenta com a temperatura, levando a maiores perdas de energia e à geração de mais calor. O isolamento dos enrolamentos também possui uma classificação térmica, e excedê-la leva à degradação prematura. A densidade de fluxo dos ímãs permanentes também diminui com a temperatura, impactando o torque. O calor tem origem em duas fontes principais: perdas por efeito Joule nos enrolamentos e perdas no núcleo do motor. As perdas por efeito Joule ocorrem quando a corrente elétrica flui pelos enrolamentos do motor. Uma demonstração simples da geração de calor através de perdas Joule (também conhecidas como perdas ôhmicas). Como essas perdas são proporcionais ao quadrado da corrente, elas podem aumentar rapidamente. Para mitigar isso, há uma tendência crescente em direção a arquiteturas de tensão mais alta (400 V ou 800 V), que reduzem as perdas relacionadas à corrente — embora isso implique em componentes significativamente mais caros. As perdas no ferro, por sua vez, resultam tanto de correntes parasitas quanto de histerese nos núcleos do estator e do rotor. As correntes parasitas são correntes elétricas induzidas dentro do núcleo magnético que se opõem à variação original do fluxo, levando à dissipação de energia na forma de calor. As perdas por histerese ocorrem à medida que o material do núcleo se reorienta continuamente para acompanhar a direção do campo magnético que muda rapidamente, sendo a energia necessária para essa reorientação também convertida em calor. Finalmente, também existem pequenas perdas por atrito nos mancais e no movimento do rotor. Mantendo a calma, de forma eficiente Agora que sabe de onde vem o calor e todos os problemas que ele pode causar, o que pode-se fazer a respeito? Na prática, enquanto um motor simples como um alternador pode ser refrigerado a ar com um design de traseira aberta, os motores de veículos elétricos dependem de refrigeração líquida para manter as temperaturas sob controle. As camisas de água-glicol funcionam da mesma forma que as de um cabeçote de cilindro, e a água tem uma condutividade térmica e capacidade térmica específica muito maiores do que o óleo. No entanto, como o óleo é dielétrico, ele pode ser pulverizado diretamente nas partes mais quentes do motor, tornando-o uma ordem de magnitude mais eficaz do que uma camisa de água. O óleo de engrenagem também é conveniente de usar, pois pode lubrificar adicionalmente os rolamentos e outros componentes da transmissão em uma Unidade de Acionamento Elétrico (EDU). Qual seria a solução perfeita, então? Bem, a busca contínua por eficiência na transmissão exige menor peso: menos massa do sistema significa menos energia necessária para acelerar e desacelerar, menor consumo geral de energia e, o que é fundamental para a maioria dos compradores, maior autonomia. Aumentar a densidade de potência do sistema significa proporcionalmente menos material, o que significa menor capacidade térmica e menor inércia térmica. As peças mais quentes aquecem mais rapidamente, sem a capacidade de dissipar o calor. Isso impõe demandas crescentes ao sistema de arrefecimento para absorver e distribuir o calor. Infelizmente, a redução de peso também se aplica ao volume de óleo. Diminuir o volume de líquidos também reduz a massa dinâmica, mas à custa da capacidade do sistema de arrefecimento. Isso significa que os engenheiros precisam garantir que cada gota preciosa de líquido refrigerante seja usada da forma mais eficiente possível para extrair o máximo desempenho do sistema de arrefecimento. Considerando um cenário de sobrecarga térmica em que o motor produz alto torque e baixa potência (imagine dirigir um veículo carregado em uma subida íngreme), o objetivo é identificar áreas com falta de líquido refrigerante e prever o aumento geral da temperatura do sistema. Se focar no resfriamento por aspersão, típico na maioria dos veículos elétricos da geração atual, diversas configurações de jatos estacionários e rotativos são empregadas para resfriar os enrolamentos. No entanto, o desafio reside na grande diferença entre as escalas de tempo dos fenômenos de fluxo e térmicos. Enquanto puder analisar detalhes dos jatos de óleo na ordem de milissegundos, atingir o equilíbrio térmico pode levar minutos. Simulação térmica e SPH – física acoplada facilitada O SPH é uma ferramenta fantástica para capturar fluxos de óleo violentos em transmissões. Capturar a interação fluido-térmica adiciona outra camada de complexidade. Normalmente, a solução desse problema com simulação SPH dependia de simular um curto período e depois extrapolar a transferência de calor ao longo do tempo, ou mapear simulações separadas, com exportação manual dos Coeficientes de Transferência de Calor (HTCs) a cada troca de dados. Isso pode funcionar para algumas simulações, mas torna-se tedioso e propenso a erros ao tentar fazer isso para um estudo de projeto completo. É possível melhorar a situação com alguma integração de scripts, mas hoje em dia, tempos de desenvolvimento de veículos elétricos mais curtos são vistos como uma vantagem competitiva. Tem que haver uma maneira melhor. O Simcenter STAR-CCM+ 2606 resolve esse desafio permitindo que o solver SPH se acople diretamente ao solver de energia do Simcenter STAR-CCM+ para simulação de transferência de calor conjugada. Agora você tem acesso à física avançada e às condições de contorno disponíveis no solver de energia, juntamente com sua simulação SPH, em um único ambiente. Isso permite a modelagem completa da evolução da temperatura do fluido, da transferência de calor nas paredes e da evolução da temperatura do sólido em uma simulação totalmente acoplada. Ambas as simulações são configuradas no mesmo ambiente Simcenter STAR-CCM+, proporcionando um fluxo de trabalho familiar e consistente. Comparação do coeficiente de transferência de calor por convecção em função da velocidade de entrada entre o Simcenter STAR-CCM+ SPH e experimentos. Fonte: Kekila et al, 2019, NREL/CP-5400-74284 Alternativamente, as Operações de Simulação podem ser usadas para escalonar as simulações de fluidos e térmicas e capturar escalas de tempo mais longas. O que antes exigia scripts agora pode ser feito facilmente com alguns cliques no Simcenter STAR-CCM+ SPH. Essa funcionalidade proporciona previsões mais confiáveis ​​para simulações de resfriamento, elimina a transferência manual de dados e permite um pós-processamento contínuo sem a necessidade de trocar de ferramenta. Extensão do SPH com multifísica e acoplamento térmico-eletromagnético-CFD As perdas no ferro são frequentemente assumidas como constantes em uma simulação termofluidodinâmica, quando, na realidade, estão fortemente relacionadas à temperatura. Para capturar esse efeito, normalmente seria necessário um procedimento complexo de mapeamento entre ferramentas distintas. No Simcenter STAR-CCM+, é possível ativar o solver eletromagnético e integrá-lo ao loop de Operações de Simulação. Dessa forma, as perdas podem ser atualizadas com base na nova distribuição de temperatura à medida que o óleo se propaga e a temperatura evolui, tudo internamente no Simcenter STAR-CCM+. A distribuição assimétrica do óleo de arrefecimento é determinada pelo ângulo de enrolamento e pelo impacto resultante no arrefecimento (HTC). O alinhamento individual dos jatos de óleo externos é uma forma de resolver esse problema, uma tarefa que se torna muito mais fácil com a otimização. Agora, a simulação captura os efeitos combinados do problema. Na introdução, foi mencionado que o óleo deveria ser utilizado da forma mais eficiente possível para extrair o máximo desempenho do sistema de refrigeração. Com os resultados obtidos, é possível analisar o comportamento do sistema e alterar o número de jatos, sua localização, diâmetro e ângulo, a fim de otimizar a molhagem das bobinas e maximizar a transferência de calor. Com uma abordagem sem malha para a simulação de fluidos, esse tipo de alteração se torna muito mais simples de implementar e iterar. Também é possível utilizar o Simcenter HEEDS para realizar essas alterações automaticamente em um estudo e otimizar o comportamento de molhagem. Otimização da orientação do bocal para projetos selecionados, baseada em simulação SPH, visando obter molhabilidade otimizada. Fonte: InDesA Simulação SPH de ângulos de bico otimizados para máxima molhagem da superfície e eficiência de resfriamento. Fonte: InDesA A simulação deve ir além do óleo Embora o foco tenha sido direcionado aos motores elétricos, independentemente do motor que impulsiona o veículo, sua eficiência e desempenho confiável dependem do óleo. Garantir que o projeto forneça óleo suficiente aos locais corretos e em quantidade adequada para evitar falhas no sistema depende da simulação. A obtenção de previsões precisas requer solvers de fluxo e energia fortemente acoplados. Para que essas previsões sejam realizadas com rapidez suficiente para acompanhar o ciclo de projeto, são necessárias integração perfeita e recursos de otimização integrados. Quer aproveitar todo o potencial do Simcenter STAR-CCM+ para aprimorar a simulação térmica e otimizar o resfriamento de seus projetos? Agende uma reunião com a CAEXPERTS e conte com o apoio de nossos engenheiros para aplicar as melhores estratégias de simulação e otimização ao seu projeto. Conduzimos os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento, ajudando sua empresa a extrair o máximo desempenho da ferramenta e obter resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

O Simcenter EDEM 2026.1 (antigo Altair EDEM) já está disponível, oferecendo aos engenheiros recursos poderosos para aprimorar seus fluxos de trabalho de simulação de partículas. Automatize a configuração da sua simulação e reutilize modelos em diferentes fluxos de trabalho com o mínimo esforço, permitindo explorar as possibilidades do comportamento de partículas em diversos cenários. Analise a espessura do revestimento em superfícies de partículas até 100 vezes mais rápido, acelerando significativamente suas iterações de projeto e ajudando você a ir mais rapidamente do conceito à solução. Desenvolva e mantenha modelos físicos personalizados mais rapidamente com uma abordagem unificada que simplifica o gerenciamento da complexidade em seus sistemas de partículas. Esses aprimoramentos otimizam seu processo de engenharia, reduzem o tempo de configuração e melhoram a eficiência computacional. Descubra a gama completa de melhorias no Simcenter EDEM 2026.1 e veja como esses recursos podem dar suporte ao seu próximo projeto. Desenvolva e mantenha modelos físicos personalizados mais rápido do que nunca Tradicionalmente, o desenvolvimento de modelos físicos personalizados em simulações DEM implicava a gestão de duas bases de código separadas: uma para solvers de CPU e outra para solvers de GPU. Essa duplicação cria uma carga de manutenção, duplica o esforço de teste e introduz oportunidades para inconsistências entre as implementações. Com o Simcenter EDEM 2026.1, você agora tem acesso a uma API de Modelo Personalizado Unificada que elimina essa complexidade. Você escreve seu código de física personalizado uma única vez, e ele é executado perfeitamente em solvers de CPU e GPU, sem qualquer duplicação. Você se beneficia de um comportamento consistente em ambos os tipos de solver, tornando a depuração significativamente mais eficiente e reduzindo o risco de erros específicos do solver. A estrutura de arquivos simplificada permite que você se concentre na inovação em física, em vez de gerenciar a complexidade do código. Você reduz substancialmente o tempo de desenvolvimento, eliminando ciclos redundantes de codificação e teste. Essa abordagem unificada significa iteração mais rápida, manutenção mais fácil e maior confiança nas implementações de seus modelos personalizados em todo o seu ambiente de simulação. Pronto para acelerar o desenvolvimento de física personalizada? Explore a API Unificada de Modelos Personalizados. Automatize a configuração de simulações e reutilize modelos em diversos fluxos de trabalho com o mínimo esforço Configurar variantes de simulação em fluxos de trabalho DEM frequentemente significa repetir as mesmas etapas de configuração diversas vezes, o que consome tempo valioso de engenharia e limita a capacidade de explorar alternativas de projeto de forma eficiente. Quando cada alteração de parâmetro exige intervenção manual por meio da interface gráfica do usuário (GUI), a execução de experimentos ou estudos paramétricos se torna um gargalo que retarda a inovação. A nova versão do Simcenter EDEM 2026.1 introduz um formato de arquivo de entrada JSON legível por humanos, que muda fundamentalmente a forma como você interage com seus modelos de simulação. Agora você pode editar configurações de simulação usando qualquer script que possa modificar JSON (incluindo Python) ou qualquer editor de texto padrão, eliminando a necessidade de reconstruir modelos do zero. Essa abordagem permite automatizar o projeto de experimentos, gerando programaticamente múltiplas variantes de simulação sem retrabalho manual. Você ganha a flexibilidade de reutilizar e adaptar simulações existentes simplesmente modificando arquivos de texto, em vez de clicar em procedimentos de configuração complexos. O formato JSON também permite integrar o EDEM perfeitamente a fluxos de trabalho personalizados e processos orientados por IA, usando ferramentas e bibliotecas padrão. Você acelerará a produtividade da sua simulação, mantendo o controle total sobre as configurações do modelo por meio de uma interface acessível e programável. Descubra como os arquivos de entrada de simulação baseados em JSON podem otimizar seu fluxo de trabalho de DEM e desbloquear novas possibilidades de automação. Analise a espessura do revestimento em superfícies de partículas até 100 vezes mais rápido As simulações de revestimento por aspersão são cruciais para otimizar os processos de revestimento de comprimidos farmacêuticos e de tempero de alimentos, mas os longos tempos de análise tradicionalmente criam gargalos no desenvolvimento de processos. Os engenheiros frequentemente aguardam horas pelos resultados da espessura do revestimento nas superfícies das partículas, o que atrasa os ciclos de otimização e retarda as decisões de produção em um momento crucial para o lançamento do produto no mercado. A nova versão do Simcenter EDEM 2026.1 aborda esse desafio com um desempenho significativamente acelerado na aplicação de revestimento por aspersão em partículas poliédricas. Com essa melhoria, agora você pode concluir simulações de revestimento ou cura de comprimidos em minutos, em vez de horas, transformando a eficiência do seu fluxo de trabalho. Você otimizará os parâmetros de aspersão mais rapidamente, permitindo reduzir o desperdício de material e melhorar a uniformidade do revestimento em todos os lotes de seus produtos. O aumento de desempenho permite executar mais iterações de projeto no mesmo período, dando a você a confiança necessária para ajustar os processos de produção com base em análises abrangentes, em vez de dados limitados. Isso significa que você pode explorar uma gama mais ampla de condições operacionais e tomar decisões mais bem fundamentadas sobre o posicionamento do bico, as taxas de aspersão e os parâmetros do processo. Resultados mais rápidos se traduzem diretamente em ciclos de desenvolvimento mais curtos e caminhos mais ágeis para a otimização da produção. Se você quer aproveitar todo o potencial do Simcenter EDEM 2026.1 e acelerar seus processos de desenvolvimento com simulações DEM mais eficientes, agende uma conversa com a CAEXPERTS. Nossa equipe conta com engenheiros treinados e qualificados para suporte, implementação e aplicação das soluções Altair, conduzindo os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento e ajudar sua empresa a extrair o máximo desempenho da ferramenta, obtendo resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br

Por que integrar HAZOP e simulação? No dia 31 de julho de 2026, a CAEXPERTS realizou o webinar “HAZOP, CFD e Segurança de Processos”, dedicado à integração entre a análise de perigos e operabilidade e a simulação computacional na avaliação de riscos industriais. A apresentação foi conduzida por Gabriel Hernandez Rozo, engenheiro químico formado pela Unicamp e especialista certificado em Simcenter STAR-CCM+ na CAEXPERTS. Ao longo do conteúdo, Gabriel explica como o HAZOP permite identificar desvios, causas, consequências e salvaguardas, enquanto ferramentas de simulação ajudam a quantificar a magnitude, a evolução e a propagação física dos riscos associados a esses desvios. Entre os exemplos apresentados estão análises de dispersão de gases, campos de pressão e temperatura, interação fluido-estrutura, carregamento de materiais particulados, ações do vento, integridade estrutural, descargas de válvulas de alívio e transientes em sistemas de tubulação. A gravação completa está disponível abaixo. Na sequência, reunimos os principais conceitos e estudos de caso apresentados, mostrando como a combinação entre HAZOP e simulação pode fornecer uma base mais completa para decisões relacionadas à segurança de processos. Por que integrar HAZOP e simulação? Acidentes industriais continuam ocorrendo apesar da evolução das regulamentações, dos procedimentos operacionais e das barreiras de proteção. Isso não significa que as metodologias de análise de risco sejam insuficientes. Significa que a identificação do perigo e a quantificação de suas consequências cumprem funções diferentes e precisam trabalhar de forma integrada. O HAZOP identifica desvios em relação à intenção de projeto, estrutura a discussão de causas e consequências e registra as salvaguardas existentes ou recomendadas. Entretanto, ele não calcula sozinho a magnitude do acidente, a velocidade de evolução, a propagação espacial ou o tempo disponível para reação. Uma condição de “mais pressão”, por exemplo, pode ser reconhecida rapidamente, mas ainda permanece a necessidade de saber onde ocorre o pico, como a onda se propaga e quais regiões da estrutura recebem as maiores cargas. OSHA e Baybutt (2002), associam de 80% a 90% das lesões graves em ambientes industriais a erros humanos que poderiam ser identificados por análise prévia. O dado reforça a importância de processos estruturados de avaliação, mas também evidencia que recomendações genéricas não bastam: as equipes precisam compreender o mecanismo do evento e verificar se as salvaguardas propostas são capazes de atuar nas condições reais. CFD, FEA, FSI, DEM e modelos de sistemas 1D preenchem essa lacuna ao transformar o desvio qualitativo em campos físicos quantificados. Pressão, temperatura, concentração, velocidade, deformação, tensão, trajetória, nível de ruído e tempo de resposta passam a ser resultados calculados. A pergunta deixa de ser apenas “o que pode acontecer?” e passa a incluir “com qual intensidade, em que local e em quanto tempo?”. Como o HAZOP estrutura a identificação de riscos HAZOP é a sigla de Hazard and Operability Study. A metodologia parte da intenção de projeto de um sistema e investiga, de forma sistemática, como o comportamento real pode se afastar dessa intenção. A análise costuma ser realizada por uma equipe multidisciplinar, porque as causas e consequências de um desvio raramente pertencem a uma única disciplina. O processo começa com o planejamento do estudo e a preparação das informações necessárias. Em seguida, selecionam-se os nós do processo, geralmente a partir do P&ID. Sobre cada nó são aplicadas palavras-guia, como MAIS, MENOS, NÃO, REVERSO e OUTRO QUE. A equipe identifica causas, consequências e salvaguardas, registra recomendações e acompanha as ações definidas. Etapas do processo HAZOP: planejamento, seleção de nós, aplicação de palavras-guia, análise de causas e consequências e registro das recomendações. (Norma de referência: IEC 61882.) A disciplina do método é uma de suas principais forças. Em vez de depender apenas da experiência individual ou de uma lista genérica de perigos, a equipe percorre sistematicamente os nós e combina palavras-guia com parâmetros de processo. Isso amplia a rastreabilidade do raciocínio e facilita a revisão posterior das decisões. Palavras-guia aplicadas aos parâmetros do processo As palavras-guia orientam a investigação dos possíveis desvios em relação à intenção de projeto. Seu significado prático depende do parâmetro analisado. MAIS, por exemplo, pode representar aumento de vazão, pressão, temperatura ou nível; MENOS indica uma redução quantitativa; e REVERSO caracteriza uma condição em sentido oposto ao previsto. A análise também pode abranger ausência completa de uma função, alterações de composição, vazamentos, perda de utilidades e condições inadequadas de operação ou manutenção. Exemplos de palavras-guia aplicadas a parâmetros de processo, conforme a estrutura da IEC 61882. A combinação entre o parâmetro e a palavra-guia permite formular o desvio que será discutido pela equipe. A partir dele, são identificadas as possíveis causas, as consequências, as salvaguardas existentes e as recomendações necessárias. Do nó de processo à recomendação de ação Cada análise começa por um trecho definido do P&ID. A palavra-guia é aplicada ao parâmetro relevante e gera um desvio em relação ao projeto. A equipe então investiga a origem desse desvio, seu impacto potencial e as barreiras capazes de prevenir, detectar, controlar ou mitigar a consequência. O resultado não é apenas uma lista de perigos. É uma planilha de nós que reúne desvios, causas, consequências, salvaguardas e recomendações de ação. Essa estrutura cria uma base clara para selecionar os cenários que devem avançar para uma análise quantitativa. Fluxo prático do HAZOP: nó, palavra-guia, desvio, causa e consequência, salvaguarda e registro das ações. O que o HAZOP faz e o que ainda precisa ser calculado A limitação quantitativa não deve ser tratada como uma falha do HAZOP. O método foi concebido para identificar e organizar cenários, não para resolver as equações físicas de cada acidente possível. O problema surge quando a análise qualitativa é usada como se já fornecesse respostas sobre alcance, intensidade ou desempenho de uma salvaguarda. Comparação entre as capacidades e limitações do HAZOP na identificação de riscos em segurança de processos e sua integração com análises quantitativas. A combinação mais robusta consiste em usar o HAZOP para definir o que precisa ser investigado e a simulação para calcular como o cenário se desenvolve. Assim, a equipe preserva a visão sistêmica do processo e, ao mesmo tempo, obtém a profundidade física necessária para decidir. Da palavra-guia à grandeza física A palavra-guia aponta a direção do desvio, mas a física determina seu comportamento. “MAIS pressão” pode estar associado a bloqueio de linha, pressurização transiente ou abertura de uma válvula de alívio. “MENOS vazão” pode indicar falha de bomba, estagnação ou risco de cavitação. “NÃO vazão” pode representar ruptura, perda de contenção e formação de uma zona inflamável ou tóxica. A tabela abaixo relaciona alguns desvios típicos às respostas que podem ser obtidas por CFD ou por análises acopladas. O objetivo não é substituir a planilha HAZOP, mas traduzir suas hipóteses em perguntas mensuráveis. Exemplos de desvios HAZOP e das grandezas que podem ser calculadas por CFD e análises acopladas. No desvio MAIS, o cálculo pode determinar o campo de pressão transiente, o pico e a propagação de uma onda. Para MENOS, pode revelar velocidades críticas, zonas de estagnação e condições de cavitação. Em uma ruptura associada a NÃO, o modelo pode determinar a dispersão, o envelope inflamável e a zona de exclusão. Em cenários térmicos, pode calcular a distribuição de temperatura e o tempo até a atuação de uma PSV. Em fluxo reverso, pode quantificar forças hidrodinâmicas e seus efeitos sobre válvulas e tubulações. A geometria faz diferença Plataformas, edifícios, suportes, obstáculos, elevações e regiões de recirculação alteram o comportamento do risco. Ao incluir a geometria real, a simulação deixa de trabalhar apenas com uma distância nominal e passa a mostrar como o cenário se distribui na instalação. Aplicações na segurança de processos e operações Os exemplos a seguir mostram que a integração entre HAZOP e simulação não se limita à dispersão de gases. A mesma lógica pode ser aplicada a integridade estrutural, movimentação de materiais, trabalho em altura, válvulas de alívio, ruído, transientes hidráulicos e validação de sistemas de controle. Integridade de tubulações sob sobrepressão Considere o desvio MAIS pressão em uma linha. O HAZOP registra o risco de deformação ou ruptura, mas a verificação da integridade depende do campo de pressão e da resposta mecânica da tubulação. A simulação FSI, ou Interação Fluido-Estrutura, conecta essas duas etapas. Desvio: MAIS pressão, com risco de deformação e ruptura da linha Condições: tubulação pressurizada submetida às cargas calculadas pelo escoamento Referências: ASME B31.3 - Process Piping Objetivos: calcular o campo de pressão, transferir as cargas para o modelo estrutural e verificar deslocamentos, deformações e tensões Resultado: identificação antecipada da zona crítica e base quantitativa para revisar a geometria, a condição de operação ou a salvaguarda Quadro de uma animação de Interação Fluido-Estrutura aplicada a uma tubulação pressurizada. O escoamento fornece as cargas que atuam sobre a parede da tubulação. Essas cargas são transferidas ao modelo estrutural, que calcula deslocamentos, deformações e tensões. A análise permite localizar regiões críticas, observar a evolução da resposta e avaliar se a condição permanece dentro dos limites definidos para o projeto. Dispersão de gases em instalações abertas e fechadas Uma liberação para a atmosfera pode ser identificada como consequência de diferentes desvios: sobrepressão, falha de vedação, ruptura de linha, abertura de uma válvula de alívio ou operação fora do previsto. O impacto, entretanto, depende da vazão de fuga, da densidade e temperatura do fluido, do vento, da ventilação e da geometria local. Desvio: liberação de gás para a atmosfera por sobrepressão, falha de vedação, ruptura de linha ou abertura de válvula de alívio Condições: instalação aberta ou fechada, com influência do vento, da ventilação e da geometria real Objetivos: calcular trajetória, diluição, concentração, tempo de propagação e alcance da pluma Resultado: mapeamento das áreas potencialmente expostas e base para definir detectores, rotas de fuga, ventilação e zonas de exclusão Exemplos de dispersão em instalações offshore, mostrando a influência da geometria e do escoamento atmosférico. O CFD calcula a trajetória da pluma, sua diluição, as concentrações em áreas ocupadas e o tempo necessário para atingir plataformas, rotas de fuga ou pontos de ignição. Também permite comparar condições de vento e verificar a influência de estruturas que desviam, confinam ou recirculam o contaminante. Em ambientes fechados, a mesma abordagem pode incluir ventilação, combustão e propagação de fumaça. O Simcenter STAR-CCM+ dispõe do Fire and Smoke Wizard, recurso citado no material técnico para simplificar a configuração de cenários de incêndio e fumaça em espaços internos. A escolha do modelo depende do objetivo: avaliar concentração tóxica, visibilidade, temperatura, chama, fumaça ou tempo de evacuação. BP Texas City e a importância do tempo de propagação O acidente de BP Texas City, em 23 de março de 2005, mostra por que uma análise dinâmica pode ser decisiva. Durante o reinício da unidade ISOM, a torre splitter recebeu líquido sem saída. O nível real alcançou 98 pés, enquanto o instrumento indicava apenas 8 pés. O alarme de alto nível apresentava defeito, e o hidrocarboneto transbordou para o blowdown drum, alcançou a atmosfera e encontrou uma fonte de ignição. Desvio: MAIS nível na torre splitter durante o reinício da unidade ISOM Condições: nível real de 98 pés, indicação de 8 pés, alarme de alto nível com defeito e transbordamento de hidrocarboneto Referências: U.S. Chemical Safety Board, Final Report (2007), e Isimite & Rubini (2016) Objetivos: quantificar velocidade de enchimento, tempo até o transbordamento, volume liberado, envelope inflamável e tempo até a nuvem alcançar áreas ocupadas Resultado: demonstração de como uma análise dinâmica pode fundamentar zonas de exclusão, reposicionamento de instalações temporárias e tempos de evacuação Síntese do acidente de BP Texas City e das informações que uma análise dinâmica poderia quantificar. (Fonte: US Chemical Safety Board (CSB), Final Report, 2007 | Isimite& Rubini, 2016.) Há registro de 15 mortes, mais de 180 feridos e perdas de aproximadamente US$ 1,5 bilhão. O HAZOP poderia identificar o desvio MAIS nível e as consequências de transbordamento, mas a avaliação quantitativa precisaria calcular a velocidade de enchimento, o tempo até o transbordamento, o volume liberado, o raio da nuvem inflamável e a zona de exclusão necessária. Uma simulação de dispersão poderia mostrar o campo de concentração do hidrocarboneto, o envelope entre LEL e UEL, a influência do vento e da geometria local e o tempo até a nuvem alcançar os trailers. Essa dimensão temporal é fundamental: planos de evacuação precisam saber não apenas se o gás chega a uma região, mas quantos segundos existem antes da exposição ou da ignição. O valor do resultado transiente Distâncias de segurança e procedimentos de emergência tornam-se mais consistentes quando são associados a concentração, tempo e direção de propagação, em vez de depender apenas de avaliações estáticas ou de zonas genéricas. Segurança operacional além da dispersão Formação e acomodação de cargas particuladas Uma carga desbalanceada ou acima do limite pode provocar transbordamento, instabilidade e sobrecarga do meio de transporte. Para materiais particulados, a massa final não depende apenas do volume geométrico: granulometria, fragmentação, atrito e acomodação alteram a densidade aparente e a distribuição da carga. Desvio: carga desbalanceada ou acima do limite do meio de transporte Condições: carregamento de palha integral e palha triturada, considerando a acomodação das partículas Objetivos: prever a massa carregada, a distribuição espacial e o risco de transbordamento ou concentração excessiva de peso Resultado: previsão de 27 t para palha integral e 32 t para palha triturada; para a palha integral, erro inferior a 0,5% em relação aos dados disponíveis Recipiente com 27 toneladas de palha integral Recipiente com 32 toneladas de palha triturada Comparação da formação de carga para palha integral e palha triturada, com resultados de 27 t e 32 t. A simulação permite acompanhar como o material entra, se distribui e se estabiliza. No caso apresentado, a palha integral resultou em 27 t e a palha triturada em 32 t. Para a palha integral, os valores calculados apresentaram erros inferiores a 0,5% em relação aos dados disponíveis. Esses resultados apoiam a definição da estratégia de carregamento, a verificação do limite do veículo, a prevenção de transbordamento e a análise de regiões com concentração excessiva de massa. O desvio qualitativo “carga acima do limite” passa a ser associado a uma previsão de massa, volume e distribuição espacial. Descida de emergência com rapel sob vento Condições de emergência frequentemente obrigam o operador a atuar fora do regime normal de trabalho. Uma descida com cabo sob vento intenso pode ser classificada como OUTRO QUE: uma condição operacional não prevista no procedimento principal. O risco envolve tanto a trajetória do operador quanto o comportamento da bag de materiais. Desvio: OUTRO QUE - descida de emergência com cabo sob vento intenso Condições: vento típico e vento extremo associado à recorrência de 50 anos, incluindo a avaliação do operador e da bag Referências: NR-35 - Trabalho em Altura Objetivos: verificar se a corda alcança a rede de média tensão, avaliar as forças no cabo e definir condições mínimas de operação segura Resultado: definição de um envelope de segurança e indicação da necessidade de um anteparo de proteção Posições iniciais avaliadas para o operador durante a descida de emergência. Posições iniciais avaliadas para a bag durante a descida de emergência. A análise considera a interação entre o vento, o cabo, o operador, a bag e os obstáculos próximos. Entre as perguntas de engenharia estão a possibilidade de a corda atingir uma rede de média tensão, as forças aplicadas ao cabo e as condições mínimas para uma operação segura Exemplo de trajetória da corda para uma condição de vento de 18 m/s, com altura de 90 m e distância de 30 m até a rede de média tensão. O material técnico considera condições típicas e extremas, incluindo um vento máximo associado à recorrência de 50 anos. A trajetória calculada permite construir um envelope de segurança e verificar se uma barreira física é necessária. Em vez de executar um teste perigoso em escala real, a equipe avalia digitalmente diferentes intensidades e direções de vento. Contato, passagem e enroscamento da corda Detectar que a corda se aproxima de um obstáculo não é suficiente. O contato pode ser passante, pode desviar a trajetória ou pode produzir enroscamento. Cada mecanismo cria consequências diferentes para o operador, para a bag e para a rede elétrica. Desvio: OUTRO QUE - corda de segurança solta durante a descida, com trajetória não controlada Condições: soltura em diferentes alturas, sob vento típico e vento máximo de 50 anos Referências: NR-35 e IEC 61400-1 Objetivos: avaliar o contato com a rede de média tensão, distinguir contato passante de enroscamento e verificar o risco para a bag Resultado: mapeamento das condições críticas de enroscamento e base para o redesenho do anteparo. Quadro da análise dinâmica de contato da corda com os elementos de proteção e a zona próxima à rede. Ao modelar a soltura em diferentes alturas e sob diferentes condições de vento, é possível identificar quando o contato se torna crítico e quais geometrias favorecem o enroscamento. O resultado fornece uma base para redesenhar o anteparo e revisar os limites operacionais, considerando as referências NR-35 e IEC 61400-1 citadas no caso. Validação de anteparos e estruturas sob vento extremo Uma salvaguarda só é efetiva quando seu desempenho é verificado nas condições que pretende controlar. Para o anteparo, o CFD permite comparar geometrias e posicionamentos sob vento típico e vento extremo. Para o abrigo, o campo de pressão calculado sobre a superfície pode ser transferido para uma análise estrutural. Desvio: MAIS vento ou carga acima do valor nominal de projeto Condições: perfil de vento típico, vento máximo de projeto e variações de geometria e posicionamento Referências: ABNT NBR 6118 e ABNT NBR 6120 Objetivos: verificar a eficácia do anteparo, calcular o campo de pressão e avaliar tensões e deformações no abrigo Resultado: definição da configuração mais segura e de um envelope operacional validado por CFD e FEA. Visão integrada do escoamento ao redor do abrigo e dos resultados estruturais obtidos com o acoplamento CFD-FEM. O escoamento produz regiões de estagnação, aceleração, separação e recirculação. Portanto, a carga de vento não é uniforme. Aplicar uma pressão média pode ocultar regiões críticas ou introduzir conservadorismo sem relação direta com a física. O campo espacial calculado pelo CFD representa melhor a distribuição real das cargas. Detalhe dos campos de deslocamento e tensão de von Mises utilizados na verificação estrutural do abrigo. No modelo estrutural, essas cargas são usadas para calcular tensões, deformações e, quando necessário, modos de vibração. O desvio MAIS carga de vento deixa de ser apenas uma hipótese e passa a ser comparado com a resistência da estrutura. As referências citadas no material são ABNT NBR 6118 e ABNT NBR 6120. Projeto ISOTANK e segurança no içamento O risco de içamento envolve a estrutura externa, os olhais, os cabos e a possibilidade de carregamentos assimétricos. A análise estrutural permite avaliar as piores condições antes da fabricação ou da operação, reduzindo a necessidade de correções tardias. Condição crítica: içamento de tanque transportador de betume sólido, incluindo a condição assimétrica com três cabos Referência: Petrobras N-2683 para o dimensionamento do olhal de içamento Objetivos: avaliar tensões, deslocamentos, fator de segurança e a necessidade de reforços na estrutura externa e nos olhais Resultado: tensão máxima de von Mises de 257,99 MPa no olhal, deslocamento de 1,555 mm no içamento e 4,717 mm no cenário assimétrico, com fator de segurança superior a 2 e redução da tensão após os reforços. Resultados FEA do ISOTANK, com campos de deslocamento e tensão na estrutura de içamento. No caso do tanque transportador de betume sólido, o Simcenter 3D foi utilizado para verificar a estrutura externa. O material registra tensão de von Mises máxima de 257,99 MPa no olhal, redução da tensão na raiz após a inclusão de reforços, deslocamento máximo de 1,555 mm no içamento e 4,717 mm para o cenário assimétrico com três cabos. O fator de segurança verificado permaneceu acima de 2. A falha de um olhal ou da estrutura durante o içamento pode causar um acidente grave. A FEA antecipa esse mecanismo e permite revisar reforços, espessuras e detalhes de ligação. A referência indicada para o dimensionamento do olhal é a Petrobras N-2683. Válvulas de alívio: dispersão, temperatura e ruído A abertura de uma válvula de alívio é uma salvaguarda essencial contra sobrepressão, mas a descarga pode criar riscos adicionais. Uma análise completa precisa verificar para onde o fluido se desloca, quais temperaturas alcançam as áreas operacionais e qual nível de pressão sonora é produzido pelo jato. Pluma de vapor em tanque pressurizado O desvio de origem é MAIS pressão, levando à abertura da PSV. O caso considera vapor quente a 134 bar e 350 °C e compara condições de vento de 1 m/s e 7 m/s. O objetivo é verificar se a pluma atinge áreas operacionais e se existe risco térmico ou toxicológico para os operadores. Desvio: MAIS pressão, levando à abertura da válvula de alívio Condições: descarga de vapor a 134 bar e 350 °C, com ventos de 1 m/s e 7 m/s Referência: API 521 - Pressure-relieving and Depressuring Systems Objetivos: verificar o alcance da pluma, o risco térmico e toxicológico e a influência do vento sobre áreas operacionais Resultado: a pluma não alcançou a plataforma principal; a segunda plataforma apresentou baixas concentrações, sem condição agravante para os operadores no cenário apresentado. Comparação de cenários de descarga da válvula de alívio sob diferentes condições de vento. O campo tridimensional mostra direção, alcance, diluição e persistência da pluma. A geometria do equipamento e das plataformas interfere na trajetória, e a mudança da velocidade do vento pode reduzir a concentração local ou deslocar o risco para outra região. Esses resultados apoiam o posicionamento de plataformas, acessos, detectores e zonas de exclusão. A referência citada é a API 521. Envelope térmico da descarga Uma temperatura máxima isolada não informa quais áreas permanecem expostas. Para transformar o resultado em critério de decisão, o campo pode ser apresentado por envelopes térmicos. Cada envelope delimita a região em que um valor de temperatura é ultrapassado. Condição avaliada: distribuição espacial da temperatura na pluma da PSV Critérios: envelopes de temperatura iguais ou superiores a 30 °C, 35 °C e 40 °C Objetivos: delimitar zonas de desconforto, alerta e perigo para apoiar permanência, acesso e evacuação Resultado: classificação espacial das áreas de exposição: 30 °C para desconforto e exposição prolongada, 35 °C para alerta e estresse térmico e 40 °C para perigo e evacuação recomendada. Envelopes da pluma para temperaturas iguais ou superiores a 30 °C, 35 °C e 40 °C. No material, o limite de 30 °C representa uma zona de desconforto térmico e de exposição prolongada; 35 °C indica zona de alerta e risco de estresse térmico; 40 °C caracteriza uma zona de perigo com recomendação de evacuação. Essa leitura permite discutir permanência, rotas de acesso, barreiras e distâncias mínimas com base em critérios espaciais claros. Nível de pressão sonora da PSV A descarga também gera ruído elevado. O CFD pode calcular o nível de pressão sonora e mapear sua distribuição ao redor da válvula, adicionando uma variável que raramente aparece quantificada em estudos HAZOP convencionais. Condição avaliada: ruído gerado pela descarga da válvula de alívio Objetivos: calcular o campo de nível de pressão sonora, identificar áreas de maior exposição e definir medidas de proteção Grandeza calculada: nível de pressão sonora em dB ao redor da descarga Resultado: a avaliação levou à determinação de proteção auricular dupla para os operadores e fornece base para restrição de acesso ou adoção de barreiras adicionais. Campo de nível de pressão sonora da descarga, acompanhado de referências de níveis em dB. A escala de referência ajuda a interpretar o resultado: níveis de 60 a 70 dB se aproximam de uma conversa normal, enquanto valores acima de 120 dB estão associados a fontes extremamente intensas. No caso analisado, a avaliação levou à determinação de proteção auricular dupla para os operadores. A recomendação “usar proteção auditiva” torna-se mais objetiva quando o campo calculado indica quais áreas exigem proteção, como a exposição varia com a distância e se outras medidas — como restrição de acesso, reposicionamento ou barreiras — devem complementar o equipamento de proteção individual. Transientes hidráulicos e sistemas de controle Nem todo cenário exige um modelo 3D. Quando a pergunta está relacionada ao comportamento global de uma rede, à atuação de válvulas ou à resposta de controladores, a simulação 1D oferece uma representação eficiente dos transientes ao longo de tubulações e equipamentos. Ruptura em linha de etanol O sistema apresentado conecta um tanque a uma coluna de destilação e inclui o ponto de ruptura, válvulas e um controlador PID. O desvio HAZOP é NÃO vazão, causado pela ruptura da tubulação. Entre as consequências estão o vazamento massivo de etanol, o surto de pressão, o risco de ignição e a perda de controle do processo. Desvio: NÃO vazão - ausência de fluxo causada por ruptura da tubulação Condição: linha de transporte de etanol entre tanque e coluna de destilação Referências: ASME B31.3 e API 521 Objetivos: simular o vazamento massivo de produto, avaliar o surto de pressão na linha e verificar o risco de ignição e perda de controle Resultado: representação integrada do ponto de ruptura, das válvulas e do controlador PID no FLOMASTER. Modelo 1D da linha de etanol entre tanque e coluna de destilação, com ponto de ruptura e controlador PID. O modelo permite acompanhar a pressão em diferentes pontos, a vazão liberada e a resposta do controle. As referências citadas no material são ASME B31.3 e API 521. A principal vantagem é testar, antes da construção ou da alteração da planta, como o sistema reage e onde as válvulas de segurança devem ser posicionadas. Comparação sem controle e com controle PID Uma salvaguarda não deve ser considerada eficaz apenas porque foi incluída no diagrama. É necessário verificar setpoint, tempo de resposta, localização e efeito sobre o transiente. A comparação entre os cenários mostra como o controle modifica a evolução da pressão. Salvaguarda avaliada: controlador PID e válvulas de segurança no sistema de transporte de etanol Cenários: surto de pressão sem controle e resposta com atuação do controle PID Objetivos: verificar setpoint, tempo de resposta, redução do transiente e estabilização da pressão Resultado: o controle PID reduziu a severidade do transiente e conduziu a pressão a uma condição estabilizada, apoiando o dimensionamento do sistema de controle e o posicionamento das válvulas de segurança. Resposta do surto de pressão sem controle e com a atuação do controlador PID. Sem controle, o sistema apresenta um transiente oscilatório mais severo. Com a estratégia PID, a pressão evolui para uma condição estabilizada. A simulação 1D permitiu dimensionar o sistema de controle e posicionar válvulas de segurança antes da construção. A recomendação do HAZOP, portanto, foi testada no comportamento dinâmico da rede. Da recomendação à verificação Identificar a necessidade de uma válvula ou de um controlador é apenas a primeira etapa. A simulação verifica se a salvaguarda atua no tempo adequado, reduz o pico esperado e conduz o sistema a uma condição segura. Ferramentas para diferentes níveis de análise A escolha da ferramenta deve partir do fenômeno físico envolvido e da pergunta de engenharia que precisa ser respondida. O Simcenter STAR-CCM+ atende aplicações multifísicas tridimensionais, incluindo dispersão de gases, combustão, transferência de calor, ventilação, ação do vento, aeroacústica e interação fluido-estrutura. A partir da geometria real da instalação, é possível acompanhar como pressão, temperatura, velocidade e concentração variam no espaço e ao longo do tempo. O Simcenter 3D e o Femap apoiam análises estruturais, permitindo avaliar tensões, deformações, deslocamentos, vibrações e fatores de segurança em tubulações, tanques, suportes, estruturas e componentes submetidos a condições críticas. O Simcenter FLOEFD integra a análise CFD ao ambiente de desenvolvimento CAD, facilitando a avaliação de alternativas de projeto durante as etapas de concepção e detalhamento. Para redes e sistemas, o Simcenter FLOMASTER e o Simcenter Amesim permitem representar transientes hidráulicos, atuação de válvulas, sistemas de controle, rupturas de linha e o comportamento global de sistemas termofluidos em uma abordagem unidimensional. O HEEDS, por sua vez, pode ser utilizado para automatizar estudos paramétricos e comparar alternativas de projeto, buscando configurações que atendam simultaneamente a requisitos de segurança, desempenho e custo. Portfólio tecnológico Siemens disponibilizado pela CAEXPERTS para simulação, projeto e otimização. Essas ferramentas podem ser utilizadas de forma individual ou integrada. Uma análise 1D pode representar o comportamento global de uma rede, o CFD 3D pode detalhar a dispersão em uma região específica, a análise estrutural pode verificar a resistência dos componentes e a otimização pode comparar diferentes alternativas de projeto. HAZOP e simulação funcionam melhor em conjunto O HAZOP organiza sistematicamente a identificação de desvios, suas possíveis causas, consequências, salvaguardas existentes e recomendações de ação. No entanto, sua natureza é essencialmente qualitativa: o método indica o que pode acontecer, mas nem sempre determina a magnitude do evento, sua velocidade de evolução ou a extensão da área afetada. A simulação complementa essa análise ao transformar os desvios identificados em grandezas físicas quantificáveis. Um cenário de MAIS pressão pode ser avaliado em termos de pico de pressão, deformações e tensões na estrutura. Uma condição de NÃO vazão, associada à ruptura de uma tubulação, pode ser analisada considerando o volume liberado, o transiente hidráulico e a resposta do sistema de controle. Já uma liberação de gás pode ser representada por campos de concentração, temperatura, velocidade e nível de pressão sonora. Essa integração não significa que todos os itens de uma planilha HAZOP precisem ser simulados. O maior valor está em selecionar os cenários prioritários: aqueles com consequências críticas, elevada incerteza ou salvaguardas cuja eficácia ainda não foi demonstrada. A partir daí, o desvio qualitativo pode ser convertido em perguntas objetivas de engenharia: Qual é o pico de pressão atingido? A pluma alcança uma área ocupada? Quanto tempo existe para resposta ou evacuação? A estrutura suporta as cargas reais? A barreira proposta impede a propagação do risco? O sistema de controle atua antes que o limite operacional seja ultrapassado? Quando essas respostas são calculadas, a equipe consegue comparar alternativas, dimensionar barreiras, revisar procedimentos e justificar decisões com base no comportamento físico do sistema. O risco deixa de ser apenas descrito e passa a ser analisado no espaço e no tempo. Mantenha em mente Simular antes é mais barato do que investigar depois. Transforme um cenário crítico em uma análise quantificada A CAEXPERTS conta com engenheiros multidisciplinares e especialistas certificados nas tecnologias Siemens, preparados para relacionar os desvios identificados no HAZOP aos fenômenos fluidodinâmicos, térmicos, estruturais e transientes envolvidos em cada aplicação. Nosso trabalho não se limita ao licenciamento do software. Apoiamos a seleção e a implementação das ferramentas, capacitamos os usuários e desenvolvemos os primeiros projetos em conjunto com a equipe do cliente. Dessa forma, a metodologia é estruturada a partir de uma aplicação real, permitindo que os profissionais adquiram autonomia e aproveitem melhor os recursos disponíveis. Primeiro identificamos uma aplicação relevante, validamos a tecnologia, desenvolvemos a metodologia, capacitamos os usuários e estruturamos o licenciamento e o suporte necessários para a continuidade das análises. Caso sua empresa possua um cenário crítico identificado em HAZOP, uma salvaguarda que ainda precisa ser validada ou um risco cuja magnitude ainda não foi quantificada, fale com a CAEXPERTS. Podemos avaliar a aplicação e definir a abordagem de simulação mais adequada para apoiar decisões mais seguras e tecnicamente fundamentadas. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br Referências IEC 61882:2016 — Hazard and Operability Studies (HAZOP Studies) — Application Guide. Baybutt, P. (2002) e referência OSHA indicada no material técnico para a discussão sobre erro humano e lesões graves. U.S. Chemical Safety Board — BP Texas City Final Investigation Report, 2007. Isimite e Rubini, 2016 — referência indicada para a análise dinâmica do caso BP Texas City. ASME B31.3 — Process Piping. API 521 — Pressure-relieving and Depressuring Systems. NR-35 — Trabalho em Altura. IEC 61400-1 — referência citada nos casos relacionados a aerogeradores. ABNT NBR 6118 e ABNT NBR 6120 — referências citadas na avaliação estrutural sob vento. Petrobras N-2683 — referência indicada para dimensionamento de olhal de içamento.

A versão mais recente do Simcenter Inspire (antigo Altair Inspire) aprimora a exploração de projetos com fluxo de trabalho baseado em IA, recursos avançados de modelagem e maior eficiência de simulação em diversas disciplinas de engenharia. Neste blog, você encontrará alguns dos nossos destaques. Para obter a lista completa de todas as novidades da versão mais recente, consulte as notas de versão na Central de Suporte. Fluxo de trabalho orientado por IA O Simcenter Inspire 2026.1 expande a simulação com inteligência artificial, permitindo que os engenheiros treinem modelos PhysicsAI a partir de dados de simulação existentes e prevejam resultados diretamente no Inspire. Os modelos podem ser treinados usando análises estruturais do Simcenter Optistruct e do Simcenter Simsolid, bem como fluxos de trabalho de Fundição, Moldagem, Conformação e Extrusão disponíveis no Simcenter Inspire, proporcionando ampla cobertura em aplicações de engenharia. Os resultados previstos são exibidos em novas geometrias sem a necessidade de uma execução completa do solucionador, ajudando as equipes a avaliar alterações de projeto mais cedo, acelerar os ciclos de iteração e tomar decisões de engenharia informadas, reduzindo a dependência de fluxos de trabalho de simulação demorados. Modelagem implícita expandida O Simcenter Inspire 2026.1 introduz melhorias significativas nos recursos implícitos, simplificando a criação de projetos complexos e adaptáveis, ao mesmo tempo que aprimora a robustez da modelagem. Novas operações CAD implícitas, incluindo Extrusão, Revolução e Varredura, permitem a criação de geometrias orientadas por campos que permanecem confiáveis ​​mesmo em cenários de modelagem desafiadores. O acesso expandido às funções matemáticas por meio da interface gráfica do usuário elimina a necessidade de scripts em Python, tornando a modelagem implícita avançada mais acessível a uma gama maior de usuários. Juntas, essas funcionalidades otimizam o desenvolvimento de projetos sofisticados baseados em campos, oferecem maior automação e proporcionam aos engenheiros fluxos de trabalho mais flexíveis e eficientes para a criação de geometrias otimizadas. Suporte a múltiplos perfis O Simcenter Inspire 2026.1 introduz uma experiência unificada com múltiplos perfis, reunindo todas as ferramentas, solucionadores e fluxos de trabalho do Inspire em uma única interface de usuário. Os engenheiros podem alternar facilmente entre perfis de estruturas, movimento, fluidos e manufatura sem precisar mudar de ambiente, criando um processo de projeto mais eficiente e conectado. Ao consolidar as funcionalidades em uma única interface, o Simcenter Inspire 2026.1 reduz as interrupções no fluxo de trabalho, aumenta a eficiência e permite uma exploração mais rápida de alternativas de projeto. O resultado é uma solução de projeto e manufatura mais simplificada, que oferece suporte à produtividade desde a concepção até a produção. Simplifique o fluxo de trabalho de simulação de múltiplos corpos com o Simcenter Inspire As equipes de engenharia frequentemente aumentam o tempo e o risco ao recriar os mesmos modelos para diferentes testes de simulação de múltiplos corpos. Esta versão do Motion Analyst elimina essa lacuna com o Analysis, um laboratório de testes virtual que permite definir um ambiente de teste completo e executá-lo como um fluxo de trabalho integrado. O Analysis se baseia no modelo original, adicionando comportamentos específicos do teste, como a alteração das propriedades ou estados de juntas, molas ou entradas. Além das alterações no modelo, ele inclui uma sequência clara e ordenada de etapas, como simulações estáticas e transientes. Cada etapa é executada em sequência e a saída de uma se torna a entrada para a próxima, assim como em um teste físico. O resultado é uma configuração mais eficiente e testes virtuais mais rápidos e confiáveis ​​para os engenheiros. Simulação de fluidos acelerada por GPU em tempo real O Simcenter Inspire Fluids 2026.1 introduz a edição de geometria em tempo real, permitindo que os engenheiros modifiquem projetos e visualizem imediatamente o impacto no fluxo e desempenho do fluido. Ao eliminar os atrasos associados aos fluxos de trabalho tradicionais de CFD, a nova funcionalidade possibilita iterações de projeto mais rápidas e uma compreensão mais intuitiva de como as alterações geométricas influenciam os resultados da simulação. Essa abordagem simplificada reduz a complexidade do fluxo de trabalho, acelera o desenvolvimento de produtos e permite que os usuários otimizem o desempenho do fluido mais cedo no processo de projeto, ajudando a impulsionar decisões mais informadas e maior inovação no projeto. O Simcenter Inspire 2026.1 reúne engenharia com inteligência artificial, fluxos de trabalho unificados e recursos de simulação aprimorados para simplificar os processos de engenharia e acelerar a inovação, desde a concepção até a validação. Agende uma conversa com a CAEXPERTS e descubra como o Simcenter Inspire 2026.1 pode acelerar seus processos de desenvolvimento com recursos de IA, modelagem avançada e simulação integrada. Nossa equipe conta com engenheiros treinados e qualificados para suporte, implementação e aplicação da solução de produtos Altair, conduzindo os primeiros projetos em colaboração com sua equipe para maximizar o retorno do investimento e ajudando sua empresa a extrair o máximo desempenho da ferramenta, obtendo resultados mais rápidos, precisos e confiáveis em seus projetos. WhatsApp: +55 (48) 98814-4798 E-mail: contato@caexperts.com.br